A napjainkban széles körben terjedő pontfelhőt alkotó eszközöket, mint például a földi és légi lézerszkennereket, különböző mobil térképező rendszereket, illetve pilóta nélküli légi járműveket rutinszerűen használjuk a földmérésben és számos kapcsolódó mérnöki területen. A felmérések eredményeként előállított, több száz millió pontból álló pontfelhők feldolgozása viszont nem mindig egyszerű feladat. A sokszor idő-és hardverigényesnek tűnő manuális feldolgozás mellett ma már lehetőségünk van különböző korszerű matematikai módszereken (pl. iteratív robusztus becslésen), gépi tanuláson (pl.: sűrűség alapú klaszterezésen, neurális hálózatokon) alapuló pontfelhő-szegmentáló, -osztályozó eljárások alkalmazására is. Ezek a megoldások a pontfelhőből közvetett módon meghatározható információkat használnak fel, mint például a pontsűrűség, a normálvektorok iránya, vagy a különböző saját értékeken alapuló jellemzők. A cikkben a különböző -attribútumalapú, élalapú, modellalapú, régió növelésen, és gépi tanuláson alapuló -szegmentációs módszereket mutatom be, emellett kitérek ezek gyakorlati alkalmazására is. Több példán keresztül mutatom be, hogy a nyers pontfelhőből meghatározható jellemzők hogyan hasznosíthatóak különböző feladatok elvégzésénél, mint például a tető-és falpontok elhatárolása, talajpontok szűrése vagy ponthalmazok automatizált elkülönítése. A bemutatott módszerek az adott feladattól függően számos esetben kínálhatnak megoldást a pontfelhők hatékony feldolgozására.