Cet article présente une nouvelle approche de segmentation en ensembles ouverts utilisant des données de nuages de points à grande échelle générées par numérisation LiDAR de scènes extérieures. En combinant les recherches existantes sur la détection de défauts d'objets avec les atouts de l'architecture Mamba (qui exploite les dépendances à longue portée et excelle dans la scalabilité des données à grande échelle), nous proposons une méthode de segmentation en ensembles ouverts basée sur la reconstruction. Cette approche améliore non seulement les performances de notre propre méthode de segmentation en ensembles ouverts, mais aussi celles des méthodes existantes. L'architecture Mamba affiche des performances compétitives par rapport aux méthodes de convolution basées sur les voxels existantes. Notre approche a des applications potentielles dans divers domaines, notamment la robotique, l'automobile et la surveillance terrestre.
