目前的行人探測系統(tǒng)在確定存在碰撞風險時，會通過聲音、視覺或觸覺提醒來警告司機。56%的2018年車型配備了帶有行人探測功能的自動緊急制動系統(tǒng)，作為標配或選配。

駕駛員必須了解其車輛上的任何高級駕駛輔助系統(tǒng)（ADAS）的能力。在行人檢測方面，司機應該了解碰撞警告和緊急自動制動系統(tǒng)之間的區(qū)別。具體來說，預警系統(tǒng)會提醒司機即將發(fā)生的碰撞，但不會采取任何規(guī)避行動，如踩剎車。緊急自動制動系統(tǒng)將提醒駕駛員，如果駕駛員不采取行動，系統(tǒng)將主動剎車以避免或減輕碰撞的嚴重性。

根據傳感器套件的不同，該系統(tǒng)可以監(jiān)測車輛前方幾十米甚至上百米的視野。來自雷達傳感器、攝像頭和/或激光雷達的輸入被送入一個中央處理單元，該單元根據物體相對于車輛的速度和尺寸對其進行分類。這些傳感器類型在后面的章節(jié)中有所描述。對這些系統(tǒng)進行算法開發(fā)是一項復雜的工作，因為中央處理單元（CPU）不僅要將行人與其他類似大小的物體區(qū)分開來，而且要將誤報和制動事件區(qū)分開來。還必須通過跟蹤和預測行進路線來盡量減少誤報和制動事件。例如，該系統(tǒng)必須不為相鄰人行道上的車輛旁的行人剎車。

盡管相對于早期的系統(tǒng)有所進步，但仍有很大的局限性。根據不同的車輛，車主手冊將規(guī)定系統(tǒng)可能無法識別行人的多種情況。例如，夜間條件、惡劣天氣、兩個或更多的行人靠近，以及相對于車輛中心線的橫向偏移。此外，車主手冊通常明確指出，無論駕駛環(huán)境如何，系統(tǒng)可能無法對即將發(fā)生的碰撞作出反應。出于這個原因，駕駛員必須認識到，無論任何行人探測功能，如警告和/或緩解，他們始終對其車輛的安全負責。

行人檢測等ADAS依靠各種傳感器來收集周圍環(huán)境的數據。每個傳感器都由硬件和軟件組件組成；雷達硬件由發(fā)射和/或接收電磁輻射以及信號調節(jié)和數據處理所需的物理部件組成。軟件組件負責將原始數據轉換為有關車輛周圍動態(tài)環(huán)境的有用信息，并確定適當的反應。

大多數ADAS，如前方碰撞警告/緩解、自適應巡航控制、動態(tài)駕駛輔助（持續(xù)的橫向和縱向控制）和車道保持輔助，無論系統(tǒng)功能如何，都利用相同的傳感器。例如，目前的行人檢測和動態(tài)駕駛輔助系統(tǒng)都主要依靠雷達和圖像傳感器的輸入。在許多情況下，傳感器本身是相同的，同一制造商的系統(tǒng)之間可以互換。這主要是為了降低成本和簡化生產流程。

目前系統(tǒng)之間在傳感器組合方面的差異通常僅限于雷達傳感器的數量、位置和范圍。部分自動駕駛輔助系統(tǒng)，比如車道保持輔助系統(tǒng)和盲點監(jiān)測系統(tǒng)需要有關車輛兩側周圍環(huán)境的信息，短距離雷達和/或超聲波傳感器可以完成這一任務。對于類似FCW和AEB等前向駕駛輔助系統(tǒng)，一般需要中長距離雷達和攝像頭或激光雷達給感知前向環(huán)境。此外，諸如后方交叉交通警報和停車障礙警告等系統(tǒng)依賴于車輛后方周圍環(huán)境的信息。短距離雷達和/或超聲波傳感器被廣泛地集成在這些系統(tǒng)中，通常位于后保險杠內和/或后面。

值得注意的是，隨著系統(tǒng)功能變得更加復雜，控制器和感知系統(tǒng)需要更強的處理能力。如果多種功能被集成到一個單一的系統(tǒng)中，這也是未來的方向。與處理能力相結合，軟件算法在很大程度上對系統(tǒng)性能負責。許多分析家認為，人工智能和深度學習的未來發(fā)展將加速自動駕駛車輛的發(fā)展。與數據處理和軟件設計考慮有關的詳細討論不在本范圍內。
車輛系統(tǒng)的傳感器可分為四類之一，包括：

1. 雷達（無線電探測和測距）。
2. 圖像傳感器（攝像頭）
3. 激光雷達（光探測和測距）。
4. 超聲波聲納

本節(jié)的目的是提供一個用于ADAS的傳感器的總體概述。超聲波聲納被廣泛裝配在已經量產的車輛上，因為它們在短距離物體探測方面的性能優(yōu)良和較低的成本。但是由于它們的有效范圍通常為6米或更小，它們通常被集成在泊車輔助系統(tǒng)中，對于其他駕駛輔助系統(tǒng)，如行人檢測，應用有限。

毫米波雷達（無線電探測和測距)：
毫米波雷達系統(tǒng)在電磁波譜的微波區(qū)域內產生輻射。產生的雷達波被固體物體反射到傳感器上。根據反射信號的特點，可以確定物體的屬性，如位置、距離、速度和形狀。汽車雷達系統(tǒng)通常以77或79GHz的頻率產生和接收電磁波，相應的波長在毫米范圍內。在這個范圍內，可以根據輸出功率、掃描角度和其他因素來設計傳感器的最佳使用。

短程雷達被優(yōu)化為在離車輛約0.25米至80米處工作。雖然這個距離與超聲納重疊，但如果探測的距離超過約4.5米，短程雷達通常是更好的選擇。中程雷達在大約0.25米到160米的范圍內很有用，適用于交叉交通警報、行人探測和盲點監(jiān)測等應用。

長距離雷達在超過約250米的距離上得到優(yōu)化。雖然回波信號會隨著距離的增加而降低，但沒有明顯的截止點，回波信號不能再包含有用的信息。在大多數情況下，長程雷達傳感器的功能超過了駕駛環(huán)境所要求的距離。中長距離雷達的應用包括自適應巡航控制、自動緊急制動和前方碰撞警告。

雷達在汽車應用中的優(yōu)勢包括在大多數天氣條件下的功能，如雨、雪和霧；雷達也不受環(huán)境照明條件的影響。此外，雷達傳感器通?？梢约稍谒芰细駯藕捅ｋU杠后面，因為輻射能夠穿透大多數塑料，而且信號損失最?。贿@使設計工程師對外部設計元素有更大的靈活性。最后，汽車級雷達傳感器很堅固，能夠承受污垢和灰塵，與激光雷達相比，成本效益高。

基于電磁波譜中的微波區(qū)域，雷達有一些固有的限制。具體來說，雷達的分辨率比激光雷達低，不能有效地辨別物體細節(jié)。由于這個原因，駕駛輔助和自動駕駛汽車系統(tǒng)通常包括與雷達一起使用的圖像傳感器。

圖像傳感器（照相機）：
圖像傳感器（又稱數碼相機）檢測電磁波譜內的可見光，并將輸入轉換為數字代碼。通常情況下，傳感器是基于電荷耦合器件（CCD）或互補金屬氧化物半導體（CMOS）設計。一個CCD傳感器是一個硅芯片，芯片上嵌有一個光敏受體陣列。每個受體代表一個像素；當一個像素受到光子的影響時，會產生一個電荷，其大小取決于光子的能量（"顏色 "取決于電磁波譜中可見范圍內的光子的能量）。電荷量級被轉換為電壓測量，最后通過模數轉換器轉換為數字數據。

CMOS探測器發(fā)明于1963年，但直到20世紀90年代才被廣泛用于圖像生成。CCD和CMOS設備之間的一個主要區(qū)別與信號格式有關；CCD設備輸出的是模擬信號，而CMOS設備由于直接輸出離散電壓，所以本身就是數字的。
用于汽車應用的圖像傳感器通常對可見范圍內的電磁輻射（約380至700納米）敏感。然而，對電磁波譜內其他區(qū)域有反應的圖像傳感器也是有用的。近紅外輻射（NIR）包括頻率剛好低于人類視覺檢測閾值的輻射。大多數圖像傳感器對近紅外有適度的敏感性，但通常被配置為過濾這個區(qū)域，因為它與人類的感知無關。通過禁用近紅外過濾，可以為駕駛輔助和自主車輛系統(tǒng)獲得有用的信息。此外，中波（MWIR）和/或長波紅外輻射（LWIR）可以由圖像傳感器測量，用于熱成像。熱血生物在電磁波譜的這一部分發(fā)出輻射；因此，熱成像可以創(chuàng)建人和動物的圖像因此，無論照明條件如何，熱成像都能生成人和動物的圖像。此外，熱成像在雨、雪和霧等惡劣天氣下仍然有效。
照相機因其相對較低的成本、耐用性和有效性，成為駕駛輔助和自動駕駛系統(tǒng)傳感器套件中的一個熱門配置。照相機仍然是檢測車道線的最可靠方式；一些自動駕駛汽車系統(tǒng)利用雷達和照相機來準確測量與物體的距離，同時收集有關該物體的詳細視覺信息。與雷達類似，攝像頭可以評估短距離或長距離的駕駛環(huán)境；如果有足夠的攝像頭，就有可能在車輛周圍創(chuàng)建一個完整的360度圖像。

雖然一般來說很有效，但攝像頭也有一些限制。電磁波譜可見光范圍內的圖像傳感器在黑暗中不工作，并受到雨雪等惡劣天氣條件的影響。雖然紅外傳感器受照明和天氣條件的影響較小，但它們在辨別物體細節(jié)方面通常不太有效。此外，要在車輛的最佳區(qū)域內安裝攝像頭，同時提供對元素的保護并將對車輛美學的影響保持在最低限度，這可能是一個挑戰(zhàn)。

激光雷達（LIGHT Detection And Ranging）：
激光雷達傳感器通過發(fā)射紅外輻射和評估反射能量來測量物體的距離。最常見的激光雷達設計發(fā)射紅外光脈沖，并測量發(fā)射光和反射光之間的傳播時間來計算距離。除了距離評估，激光雷達還可以測量物體的速度并創(chuàng)建高分辨率的環(huán)境地圖。雖然用激光雷達設計的多種方法是可能的，但目前最常見的方法包括電機驅動的機械掃描和微電子機械系統(tǒng)（MEMS）掃描激光雷達。

迄今為止，通過激光雷達創(chuàng)建3D地圖的大多數方法都以電機驅動的機械掃描為中心。這允許數字制圖以及實時評估。不幸的是，目前的機械掃描激光雷達的設計既笨重又昂貴。另一種方法是利用微電子機械系統(tǒng)（MEMS）設備來引導激光束，而不是機械馬達。一些人認為，這些設備將允許一個低成本、高質量的機械光束轉向的替代品。這些設備也可以被算法以產生快速、低分辨率的數據或較慢但高分辨率的數據，這取決于具體的駕駛環(huán)境和實時數據輸入要求。

許多行業(yè)分析家認為，激光雷達將成為自主車輛系統(tǒng)傳感器套件的一個組成部分。因此，工業(yè)界和學術界都在進行重大研究，以開發(fā)穩(wěn)健、可靠的汽車級激光雷達設計，其生產價格可以整合到常見的車輛中。預計激光雷達將成為未來自動駕駛汽車系統(tǒng)的主要傳感器的主要原因是它在創(chuàng)建高分辨率三維點圖方面的優(yōu)越性。這些可以被系統(tǒng)軟件用于定位和相應的導航，以適應特定的駕駛環(huán)境。除了數字三維地圖之外，激光雷達的分辨率還可以進行物體分類和車道標記檢測，其精確度目前已接近高質量圖像傳感器的水平。目前，激光雷達系統(tǒng)對降水和大霧有些敏感。

激光雷達的另一個潛在限制是它容易被陽光直射而失明；然而，尋求解決這一問題的對策正在開發(fā)之中。
2019年的奧迪A8是第一輛采用法雷奧公司提供的機械式激光雷達掃描儀的生產型車輛。

根據相關標準，對以下車輛進行行人自動緊急制動系統(tǒng)測試：
1. 2019年雪佛蘭邁銳寶，配備前部行人制動系統(tǒng)
2.2019年本田雅閣，配備Honda Sensing® - 碰撞制動系統(tǒng)™。
3.2019年特斯拉Model 3，配備自動緊急制動系統(tǒng)
4.2019年豐田凱美瑞，配備豐田安全感™--帶行人探測的預碰撞系統(tǒng)

最常見的涉及行人的機動車碰撞涉及車輛沿直線道路行駛，而行人以垂直方向穿過道路。為了評估所評估的行人檢測系統(tǒng)在減輕或防止這種類型的碰撞方面的有效性，利用了之前在經過機構認證后的成人行人目標。該目標在動態(tài)沖浪板平臺上沿道路移動。行人目標的穩(wěn)態(tài)速度由4activeSB單元控制，設置為5kph；這被認為是典型成年人的步行速度。行人目標的加速度被選定為在距離測試車道中心線3.048m處達到穩(wěn)態(tài)速度。在每次測試中，行人假人從右到左穿過車輛的行駛路線。

4activeSB控制器被設置在外側車道上。行人目標平臺距離測試車道的中心線有13.1英尺，由測試車輛行駛路徑上的四個燈障激活。接近速度是在4active軟件中預先定義的；這一信息與車輛越過燈障的時間相結合，使控制器在撞擊時將行人目標置于車輛的橫向中心線上（相對于右前角偏移50%）。如果通過自動剎車使撞擊速度大大降低，那么撞擊點將大于50%的偏移。這是速度突然降低的結果，并不構成無效的測試運行。
在每次測試開始時，測試車輛靜止在測試車道的中心，與行人目標的縱向距離為350-450英尺。從這一點出發(fā)，測試車輛逐漸加速到穩(wěn)態(tài)速度，并保持在車道的中心。一旦車輛與行人目標的碰撞時間（TTC）在4秒之內，相對于評估速度的車輛速度和與車道中心的橫向偏差需要分別為±0.5英里/小時和0.33英尺，測試運行才會有效。此外，在測試過程中，直到與行人目標接觸后才會觸碰制動踏板，或者在行人檢測系統(tǒng)避免與行人目標接觸后，需要踩下制動踏板以保持車輛靜止。

對于每次測試運行，在發(fā)生以下事件時，記錄與行人目標的縱向距離和TTC。
- 碰撞即將發(fā)生的視覺警報
- 行人探測系統(tǒng)自動實施的制動
在這項工作中，一旦縱向減速≥0.10G，就認為自動制動已經發(fā)生。

此外，如果與行人目標發(fā)生接觸或避免了碰撞，則分別記錄撞擊速度或分離距離。

對20和30英里/小時的接近速度進行了評估。這些速度被評估是因為它們代表了有大量行人交通的城市和郊區(qū)道路的速度限制。對于每輛測試車，在20英里/小時的速度下進行了五次運行；然后將接近速度提高到30英里/小時。在這個速度下進行一次運行；如果在最初的測試運行中，沖擊速度至少減少5英里/小時，則進行額外的運行，最多不超過5次。使用這種方法是為了盡量減少對測試車輛和行人目標的損害。此外，如果測試車輛和/或行人目標發(fā)生重大損壞，則停止以該速度進行測試。

值得注意的是，每輛測試車的車主手冊都規(guī)定，行人檢測系統(tǒng)的設計并不是為了完全避免碰撞，而且/可能不工作，這取決于幾個因素，包括但不限于那些明確指出的因素。因此，本文提供的結果并不一定意味著在沒有完全避免碰撞的情況下性能不佳。重點應該放在相對于所述接近速度的制動程度上。

以前對有碰撞警告的駕駛員反應時間的研究和對突發(fā)事件的研究表明，如果不提供警告，一個沒有分心的駕駛員需要至少1.50秒的時間將腳從油門移到剎車踏板上，以應對未預期的情況。如果向分心的司機提供碰撞警告，對警告的平均反應時間為0.75-1.15秒，這取決于碰撞警告的時間。然而，這個反應時間只考慮到司機將腳從油門上移開；剎車的應用平均需要額外的0.50秒。根據車速的不同，車輛實際完全停止可能需要幾秒鐘的時間。

下面是上述幾款車在行人檢測系統(tǒng)測試表現，"N/A "表示雖然運行已經完成，但沒有提供報警和/或制動。"DNT "表示沒有進行運行。所有提供報警和/或制動的運行的平均值只針對這些運行進行計算。

2019款雪佛蘭邁銳寶

在20mph的速度下，五次運行中每次都提供了視覺通知，平均TTC為2.126秒，相應的標準偏差為0.534秒。平均而言，當提供潛在碰撞的視覺通知時，車輛距離行人目標有19.29米。然而，在五次運行中，自動剎車并沒有明顯減輕撞擊速度。在第三次運行中，在撞擊前進行了輕微的制動；然而，由此產生的減速低于構成自動制動事件的0.10G閾值。

有一次是以30mph的速度進行的，因為在最初的運行中，系統(tǒng)沒有將撞擊速度至少減輕8kph。在這次運行中，提供了視覺通知，TTC為2.013秒；此時車輛距離行人目標28.58米。

2019款雅閣

在20英里/小時的速度下，五次運行中每次都提供了視覺通知，平均TTC為0.715秒，相應的標準偏差為0.402秒。平均而言，當提供潛在碰撞的視覺通知時，車輛距離行人目標有21.11英尺。
在五次運行中，自動剎車大大減輕了撞擊速度；在這種情況下，撞擊速度只有0.6英里/小時。該系統(tǒng)在另外三次運行中完全避免了撞擊。總的來說，在五次運行中，系統(tǒng)有四次緩解或避免了與行人目標的撞擊。

在30英里/小時的速度下進行了五次運行，因為系統(tǒng)在第一次運行時將撞擊速度降低了23.8英里/小時。提供視覺通知的平均TTC為0.726秒，相應的標準偏差為0.249秒。平均而言，在提供潛在碰撞的視覺通知時，車輛距離行人目標有32.40英尺。在五次運行中，有兩次自動剎車大大減輕了撞擊速度。在另外兩次運行中，該系統(tǒng)完全避免了撞擊?？偟膩碚f，在以30英里/小時的速度進行的五次運行中，該系統(tǒng)有四次緩解或避免了與行人目標的撞擊。

特斯拉model3

在20英里/小時的速度下，五次運行中每次都提供了視覺通知，平均TTC為1.445秒，相應的標準偏差為1.100秒。平均而言，當提供潛在碰撞的視覺通知時，車輛離行人目標有41.76英尺。然而，在五次運行中的三次，自動剎車只稍微減輕了撞擊速度；撞擊速度平均減輕了2.8英里/小時。在其余兩次以20英里/小時的速度運行時，該系統(tǒng)未能減輕撞擊速度。

有一次是以30英里/小時的速度進行的，因為在最初的運行中，系統(tǒng)沒有將撞擊速度至少降低5英里/小時。提供了視覺通知，TTC為0.220秒；此時車輛距離行人目標9.22英尺。

2019凱美瑞

在20英里/小時的速度下，五次運行中每次都提供了視覺通知，平均TTC為1.246秒，相應的標準偏差為0.094秒。平均而言，當提供潛在碰撞的視覺通知時，車輛離行人目標有35.47英尺。
此外，在所有五次運行中，自動剎車完全避免了與行人目標的撞擊，速度為20英里/小時。
有一次是以30英里/小時的速度進行的，因為在最初的運行中，系統(tǒng)沒有將撞擊速度降低至少5英里/小時。在這次運行中沒有提供通知或自動制動。

AEB-P測試總結：

在20英里/小時的速度下，所有被評估的行人探測系統(tǒng)在五次運行中都提供了即將發(fā)生碰撞的視覺通知。四輛測試車輛中的兩輛在五次運行中至少有三次完全避免了與行人目標的碰撞。然而，剩下的兩輛測試車在五次運行中的每一次都撞擊了行人目標，而撞擊速度卻降低得很少（如果有的話）。

上面圖說明了以20英里/小時的速度進行的測試的平均撞擊速度和分離距離。一個有效的系統(tǒng)的特點是平均撞擊速度低或不存在，同時平均分離距離不為零。
在30英里/小時的情況下，四輛測試車中有三輛未能在初始運行期間將撞擊速度降低至少5英里/小時。沒有提供描述平均撞擊速度和分離距離的圖表，因為根據車輛的不同，進行了不同數量的測試運行。
這些結果說明，這些系統(tǒng)的有效性在很大程度上是針對車輛的；測試車輛之間的性能變化排除了關于系統(tǒng)整體性能的有意義的結論。在某些情況下，注意到在同一場景下評估的同一測試車輛的性能存在很大程度的差異。然而，在評估20和30英里/小時的接近速度時，所有的測試車輛至少有一次在沒有應用自動剎車的情況下撞擊了行人目標。這一發(fā)現說明，司機決不能依賴這些系統(tǒng)來防止與行人相撞；而只能將其作為最后的備用手段。