{"version":"1","article":{"id":"lidar-snowfall-object-detection-confounders-2026","slug":"lidar-snowfall-object-detection-confounders-2026","language":"es","url":"https://haberpaper.com/es/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=es","title":"La detección LiDAR en nieve también depende de factores distintos del clima","summary":"Un estudio de Michigan Tech encontró que la precisión de detección de vehículos con LiDAR aumentaba con la intensidad de la nevada en dos conjuntos de datos de carreteras nevadas. Los autores atribuyen la asociación inesperada a cambios concurrentes en la densidad de puntos y la geometría de los objetos.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:52+03:00","modified_at":"2026-10-13T20:11:52+03:00","publication_basis":"publication-record","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","sources":[{"name":"arXiv, Beyond the Snowflakes: Disentangling Weather Effects from Confounding Meta-Factors in LiDAR Object Detection (arXiv:2610.13891)","url":"https://arxiv.org/abs/2610.13891","checkedAt":"2026-10-13","publishedAt":"2026-10-09"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/lidar-snowfall-object-detection-confounders-2026","api_url":"https://haberpaper.com/api/v1/articles/lidar-snowfall-object-detection-confounders-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["Un preprint publicado en arXiv el 9 de octubre por investigadores de Michigan Technological University sostiene que evaluar detectores de objetos 3D LiDAR únicamente por categorías de intensidad de nieve puede resultar engañoso. El equipo comparó cinco arquitecturas de detección en los conjuntos de conducción invernal WADS-3D y CADC. WADS-3D contiene 4.100 fotogramas etiquetados generados a partir de 2.050 escaneos LiDAR únicos y 30.104 coches etiquetados; CADC aporta 7.000 fotogramas capturados con otro sensor. En ambos conjuntos, la precisión media aumentó con la intensidad de la nevada.","Las partículas de nieve añaden ruido, pero los investigadores proponen que los coches también aparecen representados por más puntos LiDAR con nevadas más intensas, lo que podría compensar ese ruido; no establecen una relación causal. El filtrado de nieve elevó la precisión media un 6,72 % en WADS-3D según el artículo, mientras que la mejora en CADC fue insignificante. Las diferencias entre conjuntos de datos apuntan a evaluar la distancia a los objetos, la densidad de puntos y las características del sensor junto con la intensidad meteorológica. El estudio no mide la seguridad vial ni el rendimiento de conducción en vehículos reales; es un preprint aún no revisado por pares."],"key_points":[],"sections":[]},"text":"Un estudio de Michigan Tech encontró que la precisión de detección de vehículos con LiDAR aumentaba con la intensidad de la nevada en dos conjuntos de datos de carreteras nevadas. Los autores atribuyen la asociación inesperada a cambios concurrentes en la densidad de puntos y la geometría de los objetos.\n\nUn preprint publicado en arXiv el 9 de octubre por investigadores de Michigan Technological University sostiene que evaluar detectores de objetos 3D LiDAR únicamente por categorías de intensidad de nieve puede resultar engañoso. El equipo comparó cinco arquitecturas de detección en los conjuntos de conducción invernal WADS-3D y CADC. WADS-3D contiene 4.100 fotogramas etiquetados generados a partir de 2.050 escaneos LiDAR únicos y 30.104 coches etiquetados; CADC aporta 7.000 fotogramas capturados con otro sensor. En ambos conjuntos, la precisión media aumentó con la intensidad de la nevada.\n\nLas partículas de nieve añaden ruido, pero los investigadores proponen que los coches también aparecen representados por más puntos LiDAR con nevadas más intensas, lo que podría compensar ese ruido; no establecen una relación causal. El filtrado de nieve elevó la precisión media un 6,72 % en WADS-3D según el artículo, mientras que la mejora en CADC fue insignificante. Las diferencias entre conjuntos de datos apuntan a evaluar la distancia a los objetos, la densidad de puntos y las características del sensor junto con la intensidad meteorológica. El estudio no mide la seguridad vial ni el rendimiento de conducción en vehículos reales; es un preprint aún no revisado por pares.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"}}}