Nous traitons le problème de la classification sémantique de nuages de points 3D LIDAR pour les scènes urbaines à partir d'un jeu d'apprentissage limité.
Nous avançons que l'organisation des scènes urbaines est déterminée par les positions relatives d'objets anthropiques de formes simples.
Nous proposons ici de découper la scène en la segmentant en régions géométriquement homogènes afin d'en capturer la structure. Cette dernière peut ensuite être intégrée dans un CRF (Conditional Random Field). Cela nous permet d'aggréger, pour chaque groupe de points, les prédictions bruitées d'une classification faiblement supervisée. Nous démontrons l'efficacité de notre méthode sur un jeu de données en libre accès.