بالنظر إلى الأهمية المتنامية لأجهزة الاستشعار ثلاثية الأبعاد الحالية، فإن التحليل الدقيق للبيانات الأساسية المتمثلة في السحابة النقطية يستحق مزيدًا من الدراسة. وبشكل خاص، يمكن للسحابات النقطية الحقيقية التقاط المشاهد المعقدة في العالم الحقيقي بشكل مباشر، ولكن نظرًا للطبيعة الخامّة للبيانات ثلاثية الأبعاد، فإنها تمثل تحديًا كبيرًا أمام التمييز الآلي. في هذه الدراسة، نركّز على المهمة البصرية الأساسية، وهي التجزئة الدلالية، بالنسبة لبيانات السحابة النقطية الواسعة النطاق التي تم جمعها في البيئة الحقيقية. من جهة، لخفض الغموض الناتج عن النقاط القريبة، نُعزز السياق المحلي لها من خلال الاستفادة الكاملة من الخصائص الهندسية والدلالية في بنية ثنائية الاتجاه. ومن الجهة الأخرى، نُفسّر بشكل شامل تميّز النقاط من خلال عدة دوال تفصيلية، ونُمثل خريطة الميزات باستخدام طريقة دمج تكيفية على مستوى النقطة، مما يضمن دقة التجزئة الدلالية. علاوةً على ذلك، نقدّم دراسات إزالة محددة (أباليشن ستوديز) وتصاميم بصرية مباشرة لتأكيد فعالية وحداتنا الأساسية. ومن خلال المقارنة مع الشبكات الرائدة في مجالها على ثلاث معايير مختلفة، نُظهر فعالية شبكتنا بشكل واضح.