تُعد تقسيم الشبكة الذهنية لمستشعرات LiDAR دورًا حاسمًا في تمكين القيادة الذاتية والروبوتات من فهم بيئتها المحيطة بدقة وقوة. توجد مجموعة واسعة من الأساليب في هذا المجال، بما في ذلك الأساليب القائمة على النقاط، والأساليب القائمة على الصور النطاقية، والأساليب القائمة على الإحداثيات القطبية، والأساليب الهجينة. ومن بين هذه الأساليب، اكتسبت الأساليب القائمة على الصور النطاقية انتشارًا واسعًا في التطبيقات العملية بفضل كفاءتها. ومع ذلك، تواجه هذه الأساليب تحديًا كبيرًا يُعرف بمشكلة "العديد إلى واحد" الناتجة عن الحلول الزاوية الأفقية والرأسية المحدودة في الصور النطاقية. نتيجة لذلك، يمكن أن تُخفي حوالي 20٪ من النقاط ثلاثية الأبعاد. في هذه الورقة، نقدّم TFNet، وهي طريقة لتقسيم الشبكة الذهنية لمستشعرات LiDAR تعتمد على الصور النطاقية، وتستخدم المعلومات الزمنية لمعالجة هذه المشكلة. بشكل محدد، نُدمج طبقة دمج زمنية لاستخراج المعلومات المفيدة من المسح السابق ودمجها مع المسح الحالي. ثم نصمم تقنية ما بعد المعالجة القائمة على التصويت الأقصى لتصحيح التوقعات الخاطئة، وخاصة تلك الناتجة عن مشكلة "العديد إلى واحد". وقد قُمنا بتقييم النهج على معيارين، وأظهرنا أن تقنية ما بعد المعالجة القابلة للتركيب تكون عامة ويمكن تطبيقها على مختلف الشبكات.