Master's Thesis

Augmented reality for assisted testing of radar sensors

Final Thesis 16.1 MB Appendix 385.23 kB

Author of thesis: Bc. Miloslav Kužela

Acad. year: 2025/2026

Supervisor: doc. Ing. Tomáš Frýza, Ph.D.

Reviewer: doc. Ing. Patrik Kamencay, Ph.D.

Abstract:

This thesis focuses on the development of an augmented reality application for assisting in data acquisition for training datasets of radar sensors used in automotive applications. The resulting application is designed to run on a Meta Quest 3 headset and uses AruCo markers detected via OpenCV on the headset camera to place and align 3D bumper models loaded at runtime. The application is implemented in Unity with OpenXR and the Meta XR SDK and provides configurable test sequences, a dynamic "kick grid" overlay, animated demonstrations, and an on-headset TCP/IP server to integrate with an external recording PC. This in turn enables for a simulation for how someone would kick under a real sized car bumper, improving the acquired data and time required for such a task. A sample-averaging algorithm was developed that improves the acquired positional data which was then verified by performing tests with favourable results. A user study with 12 participants compared the traditional testing workflow to the AR-guided workflow. The AR group achieved a lower average testing time, reducing the mean duration by approximately 145.8 seconds, and produced more consistent timings across participants.

Keywords:

Virtual reality, Augmented reality, Visual markers, Head mounted display, OpenXR, Unity, Radar, Car bumper, Data acquisition

Date of defence

09.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaAznamka

Grading

A

Process of defence

Student prezentuje výsledky a postupy řešení závěrečné práce. Následně odpovídá na dotazy vedoucího a oponenta práce a na dotazy členů zkušební komise.

Language of thesis

English

Faculty

Department

Study programme

Electronics and Communication Technologies (MPC-EKT)

Composition of Committee

doc. Ing. Tomáš Frýza, Ph.D. (předseda)
doc. Ing. Ladislav Polák, Ph.D. (místopředseda)
Ing. Tomáš Urbanec, Ph.D. (člen)
doc. Ing. Jan Mikulka, Ph.D. (člen)
doc. Ing. Patrik Kamencay, Ph.D. (člen)

Supervisor’s report
doc. Ing. Tomáš Frýza, Ph.D.

Pozn.: Poudek vypracován ve spolupráci s konzultantem práce (Josef Nevrly, Design Manager, ALPS Electric Czech).


Diplomová práce pana Bc. Kužely byla zadána jako prakticky orientované řešení zaměřené na podporu sběru testovacích dat radarových senzorů pomocí rozšířené reality. Cílem práce bylo vytvořit aplikaci, která testujícího uživatele navede k požadovaným pozicím a pohybům v prostoru nárazníku vozidla a současně umožní propojení s procesem záznamu dat na straně PC.

Na základě rešerše dostupných AR/VR zařízení a vývojových nástrojů student zvolil jako cílovou platformu headset Meta Quest 3, což lze vzhledem k dostupnosti nástrojů, podpoře OpenXR a možnosti využití kamerového vstupu hodnotit jako vhodnou volbu. Nastudování platformy, práce s Meta SDK, vývoj v prostředí Unity i využití ArUco markerů pro zpracování obrazu představovaly technicky i časově náročnou část řešení, které student věnoval značné úsilí.

Výsledkem práce je funkční prototyp aplikace, který umožňuje umístění virtuálního modelu nárazníku do reálné scény, zobrazení testovacích pozic, animovaných ukázek požadovaných pohybů a základní komunikaci s externím počítačem. Uživatelská část aplikace je přehledná a graficky zdařilá. Vizuální navádění uživatele je srozumitelné a odpovídá praktickému záměru, tedy umožnit provedení testovací sekvence s menší závislostí na přímém vedení obsluhou.

K práci je možno uvést jen několik drobnějších výhrad.

Popis vyhodnocení přesnosti polohování pomocí ArUco markerů by zasloužil přesnější zpracování. Práce uvádí chybu polohování i porovnání výsledků s využitím průměrování vzorků, není však zcela jednoznačně definováno, o jaký typ chyby se jedná a jaký má tato chyba praktický dopad na výsledné umístění virtuálního modelu; postupu vyhodnocení by prospěla jednoznačnější matematická formulace.

Některé body zadání byly pojaty spíše rámcově – konfigurace testovacího scénáře je řešena převážně na straně headsetu než na PC a možnosti dalšího rozšíření (detekce gest, integrace se systémem ROS2) jsou nastíněny jen stručně. Vzhledem k rozsahu odvedené práce a jejímu praktickému těžišti však jde o pochopitelné upřednostnění priorit.

Při závěrečném testování již nezbyl dostatečný časový prostor pro podrobnější přípravu a vyhodnocení, což se projevuje v prezentaci některých výstupů; například prohozením průměrů v tabulce 5.2 apod.

Z formálního hlediska by textu také prospělo doplnění uceleného schématu celého systému, které by přehledně zobrazovalo rozdělení funkcí mezi headset a PC, způsob vzájemné komunikace jednotlivých částí a napojení na záznam radarových dat.

Přes uvedené dílčí nedostatky je třeba zdůraznit, že odevzdaný výstup představuje prakticky použitelný prototyp. Student odvedl značné množství práce, pravidelně svůj pokrok konzultoval, včetně praktických ukázek vyvíjeného systému. Během letního semestru 2025/26 se zúčastnil studentské soutěže EEICT 2026, kde prezentoval část své diplomové práce a kde v magisterské kategorii „Signal Processing, Communication and Intelligent Sensing“ obsadil druhé místo. Points proposed by supervisor: 93

Grade proposed by supervisor: A

Posudek, viz příloha. Topics for thesis defence:
  1. Aké sú hlavné limity použitia TCP komunikácie v reálnom priemyselnom prostredí a uvažoval autor aj o inom komunikačnom protokole? Ako bola riešená synchronizácia medzi AR aplikáciou a systémom zberu radarových dát cez TCP/IP komunikáciu? Môže sieťová latencia ovplyvniť výsledky merania?
  2. Aký vplyv má kvalita osvetlenia a vzdialenosť používateľa od markerov na spoľahlivosť lokalizácie?
  3. Akým spôsobom by bolo možné rozšíriť navrhnutý systém o automatické rozpoznávanie gest používateľa? Bolo by možné implementované riešenie rozšíriť aj pre dynamicky sa pohybujúce objekty alebo mobilné pracoviská?
  4. Aké sú hlavné limity použitého algoritmu priemerovania pozície a aké pokročilejšie filtračné metódy by bolo možné použiť?
  5. V práci sa spomína možnosť využitia strojového učenia na detekciu nárazníka. Aké konkrétne metódy by bolo možné použiť a aké by boli ich výhody a nevýhody oproti markerovému prístupu?
Points proposed by reviewer: 89

Grade proposed by reviewer: B

File inserted by the reviewer Size
Posudek oponenta [.pdf] 118,45 kB

Responsibility: Mgr. et Mgr. Hana Odstrčilová