تتضمن بيانات السحاب النقطي الخام بالضرورة قيمًا شاذة أو ضوضاء نتيجة للاستحواذ من أجهزة استشعار ثلاثية الأبعاد أو خوارزميات إعادة البناء. في هذه الورقة، نقدم شبكة نهائية إلى نهاية جديدة لمعالجة السحاب النقطية بثقة، تُسمى PointASNL، التي يمكنها التعامل بشكل فعّال مع السحاب النقطية الملوثة بالضوضاء. يُعد المكون الرئيسي في نهجنا هو وحدة التحديد التكيفي (AS). حيث تقوم هذه الوحدة أولاً بإعادة توزيع الأوزان على الجيران المحيطين بنقاط العينة الأولية المستمدة من خوارزمية أبعد نقطة مختارة (FPS)، ثم تقوم بتعديل نقاط العينة بشكل تكيفي عبر كامل السحاب النقطي. يمكن لوحدة AS أن تُفيد في تعلم الميزات الخاصة بالسحاب النقطي، كما تُخفف من تأثير التحيز الناتج عن القيم الشاذة. ولتحسين التقاط الترابطات المحلية والبعيدة بين النقاط المختارة، قمنا بتطوير وحدة محلية-غير محلية (L-NL) مستوحاة من عملية غير محلية. تتيح هذه الوحدة التعلم أن يكون أقل حساسية للضوضاء. وقد أكدت التجارب الواسعة على قوة وتفوّق النهج المقدم في مهام معالجة السحاب النقطية، سواء على بيانات مُصنَّعة أو بيانات داخلية أو خارجية، مع أو بدون ضوضاء. وبشكل خاص، تحقق PointASNL أداءً متميزًا على مستوى الحالة الحالية في مهام التصنيف والتقسيم على جميع المجموعات، وتتفوّق بشكل ملحوظ على الطرق السابقة على مجموعة بيانات SemanticKITTI الخارجية الواقعية التي تحتوي على ضوضاء ملحوظة. تم إصدار الكود الخاص بنا عبر الرابط: https://github.com/yanx27/PointASNL.