Supporting Advanced Driving Assistance Systems Development and Validation

Adam Pešek

Diplomová práce

Anotace:

Tato diplomová práce se zabývá výzvami při zpracování a validaci rozsáhlých senzorových dat v rámci vývoje pokročilých asistenčních systémů řidiče (ADAS). Moderní aplikace ADAS se spoléhají na data ve vysokém rozlišení pocházející z kamer, LiDARu, RADARu, GPS a palubních systémů vozidla, která musí být rozsáhle předzpracována, aby byla zajištěna jejich kvalita, přesnost a spolehlivost. Hlavním cílem práce je navrhnout a implementovat škálovatelné řešení pro předzpracování, filtrování a vizualizaci dat ADAS v průmyslovém prostředí společnosti Valeo. Součástí práce je integrace nástrojů pro definování datových zpracovatelských workflow, automatizace jejich spouštění na výpočetním clusteru a vytvoření webových aplikací pro vizuální kontrolu jednotlivých záznamů („microview“) a pro průzkum a filtrování metadat v rámci celých datasetů („macroview“). Metodický přístup kombinuje rešerši literatury, technickou analýzu nástrojů a praktickou implementaci, podpořenou konzultacemi s odborníky. Významná část práce je zaměřena na orchestraci workflow, vizualizaci dat a vytváření uživatelsky přívětivých rozhraní pro inženýry pracující s komplexními daty ADAS. Vyvinuté nástroje jsou hodnoceny prostřednictvím řízených rozhovorů a zpětné vazby od zainteresovaných osob ve společnosti Valeo, aby byla zajištěna jejich použitelnost a relevance. Spojením teoretických poznatků s průmyslovou aplikací tato práce přináší modulární rámec, který zvyšuje efektivitu, transparentnost a škálovatelnost procesů zpracování a validace dat ADAS.

Abstract:

This thesis addresses the challenges of processing and validating large-scale sensor data in the development of Advanced Driver Assistance Systems (ADAS). Modern ADAS applications rely on high-resolution data from cameras, LiDAR, RADAR, GPS, and vehicle bus systems, which must be extensively preprocessed to ensure quality, accuracy, and reliability. The main objective of the thesis is to design and implement a scalable solution for preprocessing, filtering, and visualizing ADAS data within the industrial environment of Valeo. The work includes the integration of tools for defining data processing workflows, automating their execution on a computing cluster, and building web-based applications for visual inspection of individual recordings (“microview”) and for metadata exploration and filtering across entire datasets (“macroview”). The methodological approach combines literature research, technical tool analysis, and practical implementation, supported by expert consultations. A significant part of the work focuses on workflow orchestration, data visualization, and building user-friendly interfaces for engineers working with complex ADAS data. The developed tools are evaluated through guided conversations and feedback sessions with stakeholders at Valeo to ensure usability and relevance. By combining theoretical insight with industrial application, this thesis contributes a modular framework that improves the efficiency, transparency, and scalability of ADAS data processing and validation workflows.

Klíčová slova

big data, kontejnerizace, Kubernetes, ADAS, data management, data processing, Docker, orchestrace workflow, Airflow, automatizace

Keywords

ADAS, big data, workflow orchestration, Airflow, automation, containerization, data management, data processing, Docker, Kubernetes

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 5. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 3. 6. 2025
• Vedoucí: Filip Vencovský
• Oponent: William Arley Galindez Arias

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Informační systémy a technologie / Vývoj informačních systémů