التعرف على الأماكن باستخدام السحابة النقطية لا يزال مشكلة مفتوحة بسبب صعوبة استخراج الخصائص المحلية من السحابة النقطية ثلاثية الأبعاد الخام وإنشاء الوصف العالمي، وهو الأمر الذي يصبح أكثر صعوبة في البيئات الديناميكية الكبيرة الحجم. في هذا البحث، نطور شبكة عصبية عميقة جديدة تُسمى LPD-Net (شبكة وصف الأماكن الكبيرة الحجم)، والتي يمكنها استخراج واصفات عالمية تمييزية وقابلة للتعميم من السحابة النقطية ثلاثية الأبعاد الخام. تم اقتراح وحدتين، وهما وحدة استخراج الخصائص المحلية التكيفية (التكيفي) وأحد الوحدات القائمة على الرسوم البيانية لجمع الجوار، مما يساهم في استخراج الهياكل المحلية وكشف توزيع الخصائص المحلية في السحابة النقطية الكبيرة الحجم بطريقة شاملة ومتكاملة. قدمنا الوصف العالمي المقترح لحل مهام الاسترجاع المستندة إلى السحابة النقطية لتحقيق التعرف على الأماكن بحجم كبير. تظهر نتائج المقارنة أن شبكتنا LPD-Net أفضل بكثير من PointNetVLAD وتصل إلى أحدث مستوى تقني. قمنا أيضًا بمقارنة شبكتنا LPD-Net مع الحلول المرتكزة على الرؤية لتوضيح متانة نهجنا تحت ظروف الطقس والضوء المختلفة.