Le traitement de nuages de points englobe les algorithmes et flux de travail pour manipuler des ensembles denses de points 3D, généralement issus du lidar, de la photogrammétrie ou de caméras de profondeur. Les tâches comprennent le filtrage du bruit, la classification sol/non-sol, la segmentation (bâtiments, arbres, lignes électriques), la reconstruction de surface (maillages ou rasters), l’extraction d’éléments (arêtes, plans) et la détection de changements. Des structures de données efficaces (octrees, arbres KD) et le traitement hors mémoire permettent de passer à l’échelle de milliards de points. Des systèmes de coordonnées de référence exacts et l’étalonnage des capteurs garantissent la fidélité géométrique. La sémantique s’ajoute par apprentissage automatique qui étiquette les points ou des primitives dérivées. Les livrables incluent des modèles numériques de terrain et de surface, des emprises de bâtiments, des indicateurs de canopée et des comparaisons « tel que construit » avec les modèles de conception. La visualisation s’appuie sur des hiérarchies de niveaux de détail pour garder une interaction fluide.