Com base na necessidade de substituir humanos por robôs inteligentes para realizar aplicações extensas como detecção e prevenção em diversos ambientes complexos, o reconhecimento de cenas tem atraído ampla atenção dos pesquisadores. O objetivo do reconhecimento de cenas é extrair e analisar características do cenário para obter informações semânticas de alto nível, permitindo inferir a localização específica. Isso é fundamental para sistemas de Localização e Mapeamento Simultâneos (SLAM), condução autônoma, navegação robótica e detecção de fechos de laço. O rápido desenvolvimento da tecnologia de escaneamento 3D permite adquirir rapidamente dados de nuvens de pontos de vários cenários usando diversos scanners. Independentemente do tempo de escaneamento ou das condições de iluminação, as informações geométricas obtidas das nuvens de pontos mantêm boa invariância, portanto, o reconhecimento de cenas baseado em nuvens de pontos tornou-se um tema quente de pesquisa na área de visão computacional. Este artigo primeiro sumariza os métodos de reconhecimento de cenas baseados em dados de nuvens de pontos nos últimos anos; em seguida, apresenta conjuntos de dados em larga escala de cenários internos e externos usados para reconhecimento de cenas, bem como métricas para avaliação de algoritmos, e resume as taxas de reconhecimento de vários algoritmos. Finalmente, aponta os problemas e desafios enfrentados no reconhecimento de cenas baseado em nuvens de pontos, e apresenta perspectivas sobre as tendências futuras de pesquisa. Os resultados da pesquisa ajudam os acadêmicos da área a compreender rápida e integralmente o estado atual das pesquisas em reconhecimento de cenas baseadas em dados de nuvens de pontos, estabelecendo uma base para futuros aprimoramentos na precisão do reconhecimento.

nuvem de pontos;reconhecimento de cena;descritores de características;aprendizado profundo;mecanismo de atenção;convolução gráfica