El rápido desarrollo de vehículos autónomos plantea la necesidad de mapear semánticamente el entorno mediante la producción de representaciones distinguibles para reconocer áreas similares. Con este fin, en este artículo, presentamos una técnica eficiente para dividir la trayectoria de un robot en comunidades semánticamente consistentes basadas en descriptores inspirados en grafos. Esto permite a un agente localizarse en tareas futuras bajo diferentes circunstancias ambientales en un área urbana. La técnica de agrupamiento semántico propuesta utiliza el Algoritmo de Detección de Comunidades de Leiden (LeCDA), que es un método novedoso y eficiente de baja complejidad computacional y explota información semántica y topométrica de las escenas observadas. La experimentación presentada se llevó a cabo en un nuevo conjunto de datos de la ciudad de Xanthi, Grecia (denominado conjunto de datos urbanos), que fue grabado por sensores RGB-D, IMU y GNSS montados en un vehículo en movimiento. Nuestros resultados exhiben la formulación de un mapa semántico con comunidades visualmente coherentes y la realización de un mecanismo de localización efectivo para vehículos autónomos en entornos urbanos.