LiDAR などの専用デバイスを必要としない多視点ステレオ (Multi-View Stereo: MVS) は，低コストな 3 次元復元手法として研究開発が進んでいる．一方，MVS で復元された 3 次元点群を入力とするセグメンテーションでは，局所的な形状変化の乏しい物体や，幾何学的に類似した物体を正しく識別することが困難である．この課題を解決するためには，点群の空間情報に加えて，画像が持つ豊富な意味情報を相補的に活用することが有効である．そこで本稿では，MVS で復元された 3 次元点群に対し，画像セグメンテーションから得られる画素単位の意味情報を統合することで，点群セマンティックセグメンテーションを高精度化する手法を提案する．公開データセットを用いた性能評価実験を通して，提案手法が類似物体間の誤識別を抑制し，高精度な環境認識を実現できることを示す．