La tarea relativamente compleja de detectar objetos en 3D es esencial en el ámbito de la conducción autónoma. Los procesos algorítmicos relacionados generalmente producen una salida que consiste en una serie de cajas delimitadoras en 3D que se colocan alrededor de objetos específicos de interés. La literatura científica relacionada generalmente sugiere que los datos generados por diferentes sensores o dispositivos de adquisición de datos se combinan para trabajar en torno a las limitaciones inherentes determinadas por la consideración de dispositivos singulares. Sin embargo, existen problemas prácticos que no se pueden abordar de manera confiable y eficiente a través de esta estrategia, como el campo de visión limitado y la baja densidad de puntos de los datos adquiridos. Este artículo informa sobre una contribución que analiza la posibilidad de utilizar la detección de objetos en 3D de manera eficiente y efectiva de forma cooperativa. La evaluación del enfoque descrito se realiza mediante la consideración de datos de conducción recopilados a través de una asociación con varios fabricantes de automóviles. Teniendo en cuenta su relevancia en el mundo real, se analizan dos contextos de conducción: una rotonda y una intersección en T. La evaluación muestra que la percepción cooperativa es capaz de aislar más del 50% de las entidades en 3D, en comparación con aproximadamente el 30% en el caso de uso de dispositivos de detección singular. La configuración experimental que generó los datos que describe este artículo y el sistema de detección de objetos en 3D relacionado se utilizan actualmente activamente por los grupos de investigación de los fabricantes de automóviles respectivos para ajustar y mejorar los módulos de conducción de sus autos autónomos.