Un sensor LiDAR es una herramienta valiosa para la percepción ambiental, ya que puede generar datos de nube de puntos en 3D con información de reflectividad y posición al reflejar haces láser. Sin embargo, no puede proporcionar el significado de cada grupo de nubes de puntos, por lo que muchos estudios se centran en identificar información semántica sobre las nubes de puntos. Este documento explora la segmentación de nubes de puntos y presenta una red convolucional ligera llamada Codificador de Conciencia de Contexto Rápido (FCAE), que puede obtener información semántica sobre el grupo de nubes de puntos en diferentes niveles. Las características circundantes de los puntos se extraen como características locales a través de la red de conciencia de contexto local, luego se combinan con características globales, que están altamente abstraídas de las características locales, para obtener una segmentación semántica más precisa de los puntos discretos en el espacio. El algoritmo propuesto se ha comparado y verificado contra otros algoritmos de datos semánticos KITTI y ha logrado un rendimiento de vanguardia. Debido a su capacidad para notar características detalladas en el eje z en el espacio, el algoritmo muestra una mayor precisión de predicción para ciertos tipos de objetos. Además, el tiempo de entrenamiento y validación es corto, y el algoritmo puede cumplir con altos requisitos de tiempo real para tareas de percepción en 3D.