Nous abordons le problème de la reconnaissance des lieux à partir de données de nuages de points et introduisons un réseau de codage d'orientation avec auto-attention (SOE-Net) qui exploite pleinement les relations entre les points et intègre le contexte à longue portée dans les descripteurs locaux point par point. Les informations locales de chaque point provenant de huit orientations sont capturées dans un module PointOE, tandis que les dépendances caractéristiques à longue portée entre les descripteurs locaux sont capturées par une unité d'auto-attention. De plus, nous proposons une nouvelle fonction de perte appelée HPHN quadruplet (Hard Positive Hard Negative quadruplet), qui offre de meilleures performances que la fonction de perte couramment utilisée pour l'apprentissage métrique. Des expériences menées sur divers ensembles de données de référence montrent que le réseau proposé surpasse les approches actuelles les plus avancées. Notre code est rendu public sur https://github.com/Yan-Xia/SOE-Net.