La segmentación de características urbanas se considera un importante desafío de investigación en los campos de la fotogrametría y la teledetección. Sin embargo, los conjuntos de datos densos ahora disponibles a través del escaneo láser aéreo (ALS) ofrecen un mayor potencial para la segmentación de objetos en 3D. Este potencial se ve aún más aumentado por la disponibilidad de datos de ALS de forma de onda completa (FWF). El FWF ALS ha demostrado un rendimiento mejorado en segmentación y clasificación a través de los observables físicos adicionales que se pueden proporcionar junto con la información geométrica estándar. Sin embargo, no se recomienda el uso de información FWF sin una calibración radiométrica previa, teniendo en cuenta todos los parámetros que afectan la energía de retrodispersión. Este artículo informa sobre la implementación de un flujo de trabajo de calibración radiométrica para datos de FWF ALS y demuestra cómo la información FWF resultante se puede utilizar para mejorar la segmentación de un área urbana. El algoritmo de segmentación desarrollado presenta un enfoque novedoso que utiliza la sección transversal de retrodispersión calibrada como una función de ponderación para estimar la medida de similitud de segmentación. El vector normal y la distancia euclidiana local se utilizan como criterios para segmentar las nubes de puntos a través de un enfoque de crecimiento de regiones. El artículo demuestra el potencial de mejorar la segmentación de objetos en 3D en áreas urbanas al integrar la energía de retrodispersión física FWF junto con la información geométrica. El método se demuestra a través de su aplicación a un área de interés muestreada de un conjunto de datos FWF ALS relativamente denso. Los resultados se evalúan mediante comparación con aquellos obtenidos utilizando solo información geométrica. La validación contra una segmentación manual demuestra una implementación automática exitosa, logrando una precisión de segmentación del 82% y superando un enfoque puramente geométrico.