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.