Une prépublication mise en ligne sur arXiv le 9 octobre par des chercheurs de l’Université technologique du Michigan estime qu’évaluer les détecteurs d’objets LiDAR 3D uniquement selon des catégories d’intensité de neige peut induire en erreur. L’équipe a comparé cinq architectures de détection sur les jeux de conduite hivernale WADS-3D et CADC. WADS-3D comprend 4 100 images annotées issues de 2 050 scans LiDAR uniques et 30 104 voitures annotées ; CADC fournit 7 000 images capturées avec un autre capteur. Dans les deux jeux de données, la précision moyenne augmentait avec l’intensité de la neige.

Les particules de neige ajoutent du bruit, mais les chercheurs avancent que les voitures sont aussi représentées par davantage de points LiDAR lorsque les chutes de neige s’intensifient, ce qui pourrait compenser ce bruit ; ils n’établissent pas de lien causal. Le filtrage de la neige a accru la précision moyenne de 6,72 % dans WADS-3D selon l’article, tandis que le gain était négligeable dans CADC. Les différences entre jeux de données soulignent la nécessité de prendre en compte la distance des objets, la densité des points et les caractéristiques des capteurs en plus de la météo. L’étude ne mesure ni la sécurité routière ni les performances de conduite d’un véhicule réel ; il s’agit d’une prépublication qui n’a pas encore été évaluée par les pairs.