Oftmals weisen von Robotern aufgenommene Punktwolken Löcher auf, da viele Aspekte eine klare Aufnahme der Umgebung erschweren. Doch gerade im Innern eines Gebäudes können Löcher in aus Punktwolken generierten Meshes meist sinnvoll interpretiert werden, insbesondere dann, wenn sie in einer bestimmten Ebene liegen. Dazu ist es hilfreich, die Grobgeometrien eines Raumes zu klassifizieren um dann über die semantischen Label wie z.B. Fußboden, Decke, Wand oder auch Türen und Fenster zu interpolieren und diese Löcher im Mesh zu entfernen. Eine abschließende Integration mit einer Meshoptimierung für Gegenstände bzw. Möbel führt dazu, dass die resultierenden Meshes die Wirklichkeit sehr exakt abbilden.