智能汽车行人避撞系统是一种基于智能传感信息的旨在避免或减轻车辆对于行人伤害的高级驾驶辅助系统（Advanced Driving Assistance System,ADAS）。传统道路测试对于复杂工况难以复现,相机在环测试可以通过嵌入真实的相机硬件和构建虚拟场景弥补这种不足。因此搭建相机在环测试平台对相机成像影响因素进行深入研究,并以此为基础构建虚拟测试场景,探寻加速测试方法,对基于视觉信息的智能汽车行人避撞系统进行自动化测试,是未来智能汽车测试领域的重要研究内容,也是实现自动驾驶汽车落地的基础。本文依托国家重点研发计划“自动驾驶电动汽车硬件在环测试环境构建与模拟测试技术研究”（编号:2018YFB0105103）,开展相机在环测试方法研究。建立一套相机在环测试平台,通过实车数据采集和产品级智能相机对该平台有效性和置信度进行验证;基于卷积神经网络,设计智能汽车行人避撞系统;基于对相机成像影响因素的分析,构建面向行人避撞系统的虚拟测试场景,基于组合测试理论,设计加速测试场景生成方法;最后在测试平台上进行自动化测试与实验结果分析。本文主要研究内容包括以下四部分:（1）相机在环测试平台构建设计相机在环测试平台方案,基于虚拟场景投屏的方式,选用显示器,车载相机、视频暗箱、Prescan、Matlab/Simulink等软硬件构建相机在环测试平台。将Mobileye相机经过标定计算后固定在测试平台上,通过黑盒测试来验证实验台的功能性;通过实车和测试平台对比测试,验证测试平台置信度。为提高测试效率,提出基于本测试平台的自动化测试流程。（2）智能汽车行人避撞系统设计提出智能汽车行人避撞系统架构,分别构建基于Yolo-v3和Yolo-v4检测网络的单目视觉智能汽车行人避撞系统。选用公开数据集COCO和Caltech建立联合训练集,分别对两种检测网络进行训练,根据单目测距原理计算人车纵向距离。设计基于最小安全距离模型的主动避撞模块,通过用户数据报协议（User Datagram Protocol,UDP）完成行人检测模块与主动避撞模块间通信,并在测试平台上完成行人避撞功能验证。（3）面向行人避撞系统的测试场景生成方法研究根据相机在环测试功能需求,通过相机模组结构分析光线、雨、雪、雾和运动对相机成像的影响,进行测试场景参数设计,选择本车速度、光线、天气类别、行人穿着颜色及路旁树木阴影作为场景参数,并按照测试需求进行离散取值,完成了测试场景生成。由于遍历测试用例数量会随着场景参数个数及具体取值的增加而呈现指数上升,为解决此类问题,本文提出基于贪心算法的组合测试用例生成方法。（4）测试实验与评价方法研究。基于相机在环测试平台对行人避撞系统、目标检测算法以及测试场景生成方法进行了自动测试与分析。使用卡方和双因素方差法对行人避撞系统测试结果进行分析。对于目标检测算法,提出了算法动态性能指标——首次检测距离和最小安全距离检测精度,联合目标检测常用指标平均准确率（mean Average Precision,m AP）与每秒传输帧数（Frames Per Second,FPS）进行联合评价。对于场景生成方法,较于遍历测试,基于贪心算法的组合测试提升测试速度近12倍;同时各场景参数取值频数所占比例与遍历测试大致相同,对基于组合测试的实验结果进行双因素方法分析,分析结论与遍历测试基本一致;两种测试用例生成方法得到的实验结果FPS和首次检测距离均呈现正态性,且分布状况一致。