高级驾驶辅助系统ADAS(Advanced Driver Assistance System)作为一项关键的主动驾驶技术,对于提高行车安全,减少交通事故的发生具有重要意义。车辆前方行人碰撞预警系统是ADAS的重要组成部分,对潜在的人车碰撞事故进行精确评估与预警,最大程度的减少人车碰撞事故的发生。论文针对车辆前方行人检测及预警问题,围绕基于图像和激光点云的车辆前方行人碰撞预警方法展开。本文的主要研究工作如下:研究了相机与激光雷达融合系统的建立方法以及行人数据集的构建方法。完成多线激光雷达与相机之间的坐标转换以及联合标定。针对常见的行人开源数据集包含行人类别少、道路交通场景单一以及激光雷达点云数据无法使用等问题,自行构建了包含行人和骑行者的行人数据集;针对行人碰撞危害等级进行行人数据集头部、躯干等属性的添加;实验表明,所构建的数据集能够满足行人检测需要,为训练所需的行人检测器提供了数据支撑。研究提出了多层次特征图融合的单次多盒检测(Single Shot Multi-Box Detector,SSD)行人检测方法。针对SSD对车辆前方尺寸较小物体以检测效果较差的情况,修改SSD基础网络,添加扩充卷积(Atrous Convolution),并采用多层次特征图融合的方法,充分利用深层和浅层特征图。实验结果表明,改进的SSD行人检测精度较原始SSD提高了3.2%,对本文的行人目标具有更好的检测效果。研究提出了激光点云辅助的目标置信概率修正与行人测距方法。针对激光点云行人与路面难以分类的情况,提出了基于行人候选点的点云数据筛选与分割。针对因光线差,导致行人检测成功率较低的情况,融合激光点云与图像数据提出了基于点云辅助的目标置信概率修正方法。针对单传感器测距精度较差的问题,提出了基于图像和激光点云的联合测距方法。实验结果表明,激光点云辅助的目标置信概率修正将行人误检与错检率降低了7.5%;基于图像和激光点云的联合测距方法的误差保持在5%以内,满足行人碰撞预警的精度要求,且具有较广的测距范围。构建了适用于车辆前方行人碰撞预警的模糊预警模型。研究典型的行人碰撞模型,基于行人测距以及自身车速建立行人碰撞预警激活区域。针对传统基于车距的行人碰撞预警指标单一的问题,提出基于模糊综合评价法行人碰撞预警模型。实验结果表明,基于模糊综合评价法的行人碰撞预警模型具有较高的准确率与实时性,能满足碰撞预警的需要。