Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Václav Valenta
Acad. year: 2025/2026
Supervisor: Ing. Lukáš Maršík
Reviewer: Ing. Bořek Reich
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.
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)
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
Language of thesis
Czech
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
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 reportIng. 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.
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.
Student si vyhledával literární prameny ve své režii, doporučeny mu byly pouze informace ohledně radarů od Texas Instruments.
Student byl během řešení aktivní, konzultoval vždy, když bylo třeba.
Práce byla dokončena včas a její obsah byl konzultován.
Grade proposed by supervisor: B
Reviewer’s reportIng. Bořek Reich
Práci hodnotím stupněm dobře (C).
Evaluation level: obtížnější zadání
Zadání považuji za obtížnější. Vyžaduje znalost v oblasti zpracování radarových signálů a strojového učení.
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.
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.
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).
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.
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.
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).
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).
Grade proposed by reviewer: C
Responsibility: Mgr. et Mgr. Hana Odstrčilová