自律走行車の認識システムにおいて、意味的セグメンテーションは重要な構成要素である。本研究では、画像および点群セグメンテーションの最新の進展を活用することで、LiDARスキャンのセグメンテーション精度を向上させた。KPRNetは2次元投影手法における畳み込みニューラルネットワークのアーキテクチャを改善し、従来の後処理手法に代わってKPConvを採用することで、学習可能な点単位のコンポーネントを導入した。これにより、より高精度な3次元ラベルを取得可能となった。これらの改良により、本モデルはSemantiC-KITTIベンチマークにおいて現在の最良手法を上回り、mIoU 63.1を達成した。