Bachelor's Thesis

Vehicle Classification Using Radar

Final Thesis 2.11 MB

Author of thesis: Václav Valenta

Acad. year: 2025/2026

Supervisor: Ing. Lukáš Maršík

Reviewer: Ing. Bořek Reich

Abstract:

This thesis designs and implements a pipeline for object classification from automotive radar point clouds. Data from five Continental ARS 408 radars in the nuScenes dataset are transformed into a common coordinate frame, grouped with a 50 ms tolerance, and linked with annotations through bounding box interpolation from 2 Hz to 13 Hz. A vector of 19 features is extracted from radar clusters and classified by a single-layer LSTM network into five classes. The classifier achieves an overall accuracy of 83.6 % on the test set.

Keywords:

FMCW radar, object classification, point cloud, LSTM, nuScenes, autonomous driving, feature extraction, sensor fusion

Date of defence

18.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaCznamka

Grading

C

Process of defence

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.

Topics for thesis defence

  1. Klasifikátor je evaluován s využitím referenčních ohraničujících kvádrů, čímž je oddělen od chyb detekce. V reálném systému by tento krok nahradilo shlukování (např. DBSCAN). Dokázal byste odhadnout vliv chyb shlukování, a které třídy by byly nejvíce zasaženy?
  2. Z výsledků vyplývá, že detekce chodců vykazuje vyšší přesnost než v případě dvoustopých vozidel. Mohl byste tento rozdíl v úspěšnosti detekce blíže objasnit a zdůvodnit? 
  3. Využíváte v práci některou ze standardních (benchmarkových) databází? Pokud ano, jak vypadá srovnání vašich výsledků s publikovanými výsledky na této referenční databázi?

Language of thesis

Czech

Faculty

Department

Study programme

Information Technology (BIT)

Composition of Committee

prof. Dr. Ing. Jan Černocký (předseda)
doc. Ing. Zdeněk Vašíček, Ph.D. (místopředseda)
Ing. Jiří Hynek, Ph.D. (člen)
RNDr. Marek Rychlý, Ph.D. (člen)
Ing. Vojtěch Havlena, Ph.D. (člen)

Supervisor’s report
Ing. Lukáš Maršík

Student během řešení práce vytipoval a otestoval metody detekce a klasifikace objektů nad komplexním datasetem. Student pracoval samostatně a s vlastní invencí směrem k danému problému. Věřím, že by takto natrénované detektory bylo s malým úsilím možné použít i pro statické systémy monitorující pohubující se vozidla a další účastníky provozu, například pro zvýšení bezpečnosti na křižovatkách.

Evaluation criteria Verbal classification
Informace k zadání

Práci řadím mezi průměrně náročnou. Student zpracoval anotovaná data z radarových senzorů a provedl vyhodnocení na jím zvolených metodách. Oproti původnímu zadání se ukázalo jako vhodnější vuyží stávajícího kvalitního datsetu NuScenes.

Práce s literaturou

Student si vyhledával literární prameny ve své režii, doporučeny mu byly pouze informace ohledně radarů od Texas Instruments.

Aktivita během řešení, konzultace, komunikace

Student byl během řešení aktivní, konzultoval vždy, když bylo třeba.

Aktivita při dokončování

Práce byla dokončena včas a její obsah byl konzultován.

Publikační činnost, ocenění
Points proposed by supervisor: 81

Grade proposed by supervisor: B

Reviewer’s report
Ing. Bořek Reich

Práci hodnotím stupněm dobře (C).

Evaluation criteria Verbal classification Points
Náročnost zadání

Evaluation level: obtížnější zadání

Zadání považuji za obtížnější. Vyžaduje znalost v oblasti zpracování radarových signálů a strojového učení.

Prezentační úroveň technické zprávy

Struktura práce je dobrá, kapitoly na sebe navazují. Negativně hodnotím posloupnost oddílů v kapitole 3, která je pro mě nelogická. Pochopitelnosti práce by velmi napomohly obrázky či vhodné ilustrace v podkapitole 5.2. Naopak kladně hodnotím podkapitolu „Pozice této práce", která jasně definuje přínos práce.

75
Formální úprava technické zprávy

Kromě občasného použití neformální češtiny („tlačen", „padnou"), nevhodného zalamování textu a na jednom místě chybějícího textu mezi nadpisy různých úrovní je práce formálně v pořádku.

90
Realizační výstup

Softwarové řešení je přehledné a dobře dokumentované. Vzhledem k povaze použitých radarových dat se zdají být dosažené výsledky dobré. Metoda však není srovnána s baseline metodou (např. random forest) ani není provedena ablace navržené metody. Dále není z práce zřejmé, které příznaky jsou pro správné rozhodování klasifikátoru důležité. Posledním problémem evaluace metody je, že nepočítá s chybami způsobenými použitím shlukovacího algoritmu, jako je DBSCAN (což ale autor uznává).

71
Využitelnost výsledků

Výsledná práce je v praxi využitelná v kombinaci se shlukovacím algoritmem, který je však v rámci radarových systémů zpravidla implementován a uživatel tedy shluky získává. Pro tento typ dat, které lze získat z radarů, je klasifikátor v praxi použitelný.

Rozsah splnění požadavků zadání

Evaluation level: student se odůvodněně odchýlil od zadání

Student zcela splnil body 1–5 a 7. V případě šestého bodu týkajícího se sběru vlastní datové sady se student odchylil od zadání, kdy místo evaluace na vlastních datech klasifikátor testoval na části zvolené datové sady NuScenes.

Rozsah technické zprávy

Evaluation level: splňuje pouze minimální požadavky

Práce splňuje minimální požadavky na rozsah, což v tomto případě považuji za nedostatek. Některé části by mohly být pospány důkladněji (např. podkapitola 5.2).

Práce s literaturou

Výběr zdrojů je relevantní a kvalitní. Počet zdrojů je nižší, ale spíše dostačující. V některých částech práce bych však ocenil více citací (zejména v kapitole 3).

80
Topics for thesis defence:
  1. Klasifikátor je evaluován s využitím referenčních ohraničujících kvádrů, čímž je oddělen od chyb detekce. V reálném systému by tento krok nahradilo shlukování (např. DBSCAN). Dokázal byste odhadnout vliv chyb shlukování, a které třídy by byly nejvíce zasaženy?
Points proposed by reviewer: 77

Grade proposed by reviewer: C

Responsibility: Mgr. et Mgr. Hana Odstrčilová