نقترح إطارًا جديدًا لتقسيم السحابة النقطية ثلاثية الأبعاد يُسمى SASO، يقوم بتنفيذ مهام التقسيم الدلالي والتقسيم الفردي بشكل مشترك. بالنسبة لمهمة التقسيم الدلالي، مستوحدين من الارتباط الذاتي بين الأشياء في السياق المكاني، نقترح وحدة ارتباط دلالي متعددة المقاييس (MSA) لاستكشاف التأثيرات البنائية للمعلومات الدلالية السياقية. أما بالنسبة لمهمة التقسيم الفردي، فبخلاف الأعمال السابقة التي تستخدم التجميع فقط في عملية الاستدلال، نقترح وحدة تحسين التجميع للنقاط البارزة (SPCO) لإدخال إجراء التجميع إلى عملية التدريب وإجبار الشبكة على التركيز على النقاط الصعبة التمييز.بالإضافة إلى ذلك، بسبب الهياكل الذاتية للمشاهد الداخلية، فإن مشكلة عدم التوازن في توزيع الفئات نادراً ما يتم النظر فيها ولكنها تحد بشدة من أداء استشعار المشهد ثلاثي الأبعاد. لحل هذه المشكلة، نقدم خوارزمية عينة ملء المياه التكيفية (WFS) لتوازن توزيع الفئات في بيانات التدريب. تظهر التجارب الواسعة أن طريقتنا تتفوق على أفضل الأساليب الحالية في كلا مهمتي التقسيم الدلالي والتقسيم الفردي على مجموعات البيانات المرجعية.