La Detección y Rango de Luz (LiDAR) es un sensor crítico para sistemas de vehículos autónomos, proporcionando mediciones de distancia de alta resolución en tiempo real. Sin embargo, condiciones climáticas adversas como nieve, lluvia, niebla y deslumbramiento solar pueden afectar el rendimiento de LiDAR, requiriendo preprocesamiento de datos. Este documento propone un enfoque novedoso, el filtro de Eliminación de Valores Atípicos Adaptativo en Imagen de Rango (AORI), que combina una imagen de proyección de nubes de puntos de LiDAR con un filtro de eliminación de valores atípicos adaptativo para eliminar partículas de nieve. Nuestra investigación tiene como objetivo analizar las características de LiDAR y proponer un enfoque basado en imágenes derivado de datos de LiDAR que aborde las limitaciones de estudios previos, particularmente para mejorar la eficiencia de la búsqueda de puntos de vecinos más cercanos. Nuestro método propuesto logra un rendimiento sobresaliente tanto en precisión (>96%) como en velocidad de procesamiento (0.26 s por cuadro) para sistemas de conducción autónoma bajo condiciones climáticas adversas a partir de nubes de puntos de LiDAR crudos en el conjunto de datos de Conducción Adversa de Invierno (WADS). Notablemente, AORI supera a los filtros de última generación al lograr un puntaje F1 un 6.6% más alto y una precisión un 0.7% más alta. Aunque nuestro método tiene un menor recuerdo que los métodos de última generación, logra un buen equilibrio entre retener puntos de objetos y filtrar puntos de ruido de LiDAR, lo que indica su promesa para la eliminación de nieve en condiciones climáticas adversas.