CN115965693A - 一种行人感知精度的检测方法及系统 - Google Patents

Abstract

本发明涉及行人检测系统标定技术领域，具体涉及一种行人感知精度的检测方法及系统，包括：于车辆的前方设置标定场地，标定场地中分布有多个检测点位；于每个检测点位上依次设置假人模型，同时，采集行人检测系统针对假人模型的输出数据；将输出数据与检测点位的检测点位置进行比较，以生成对应于行人检测系统的行人感知精度的检测报告。有益效果在于：通过在标定场地中设置具有特定排列方式的检测点位，并在检测点位上依次设置假人模型来采集行人检测系统针对不同位置上的假人模型的输出数据，进而与检测点位的位置进行比较，从而判断出行人检测系统在不同位置上可能存在的检测误差，并生成对应的检测报告，以此来实现较好的验证效果。

Description

一种行人感知精度的检测方法及系统

技术领域

本发明涉及行人检测系统标定技术领域，具体涉及一种行人感知精度的检测方法及系统。

背景技术

行人检测系统，是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪，行人重识别等技术结合，为车辆的驾驶辅助系统提供相关依据，以更好地实现诸如紧急刹车、避障等功能。一般来说，为实现较好的行人检测效果，现有技术中通常会采用图像传感器，或双目视觉相机来采集道路图像，随后依照相关的算法进行处理；为实现更为准确的定位效果，有时还会与毫米波雷达、激光雷达、红外等传感器的输出数据进行融合处理，从而得到准确的行人位置。

现有技术中，由于各厂商的行人识别方案均存在一定的差异，导致实际装车的行人检测系统在识别效果略有不同。为实现较好的识别效果，行业内针对行人检测系统制定了一系列的标准，以使得行人检测系统能够实现较好的安全性。比如，中国汽车消费者研究及测试中心(C-NCAP)在《C-NCAP管理规则》中，便制定了AEB VRU系统的相关测试方法，主要包括在行驶车辆前方设置横向移动的假人模型，来判断车辆在该类场景下是否能够正常触发对行人的识别以及紧急制动功能。

但是，在实际实施过程中，发明人发现，在行人检测系统的研发过程中，上述检测方法由于仅是针对“车辆是否能够识别到行人并进行紧急制动”这一条件进行检测，而并不涉及到实际的检测过程中行人检测系统的检测精度，这导致了依照上述检测方法进行行人检测系统的优化设计工作相对困难，无法对出行人检测系统的优化工作进行有效验证。

发明内容

针对现有技术中存在的上述问题，现提供一种行人感知精度的检测方法。

具体技术方案如下：

一种行人感知精度的检测方法，用于对车辆上配置的行人检测系统进行检测，包括：

于车辆的前方设置标定场地，所述标定场地中分布有多个检测点位；

于每个所述检测点位上依次设置假人模型，同时，采集所述行人检测系统针对所述假人模型的输出数据；

将所述输出数据与所述检测点位的检测点位置进行比较，以生成对应于所述行人检测系统的行人感知精度的检测报告。

另一方面，于所述检测点位上设置所述假人模型的过程还包括：

针对当前的所述检测点位，将所述假人模型以初始姿态设置于所述检测点位上；

当所述行人检测系统生成所述输出数据后，将所述假人模型调整至下一个姿态；

重复采集所述行人检测系统于所述假人模型的不同姿态下的所述输出数据，直至所述假人模型的所有姿态采集完成后，转向下一个所述检测点位。

另一方面，多个所述检测点位呈矩形点阵分布于所述标定场地中；

于设置所述标定场地之前还包括检测点位规划过程，所述检测点位规划过程包括：

获取所述行人检测系统的设计预期指标；

所述设计预期指标包括探测距离、视野和探测精度；

根据所述探测距离和所述视野确定所述检测点位的纵向分布距离和横向分布距离；

根据所述纵向分布距离、所述横向分布距离和所述探测精度生成所述检测点位的横向间距和纵向间距；

则在设置所述检测点位时，依照所述纵向分布距离、所述横向分布距离、所述横向间距和所述纵向间距在所述标定场地中设置所述检测点位。

另一方面，于设置所述姿态时，获取所述假人模型的正面朝向与所述检测点位的长轴方向的夹角，并通过调整所述夹角来设置所述姿态；

所述夹角包括0度、90度、180度、-90度、45度和-45度。

另一方面，所述输出数据包括：所述行人检测系统的检测帧，以及于所述检测帧上测得的行人位置；

则生成所述检测报告的方法包括：

依照所述检测帧获取对应于所述检测帧的所述检测点位；

将所述检测点位的检测点位置和对应于所述检测帧的所述行人位置进行比较得到距离差值；

将所述距离差值添加到所述检测报告中，随后转向下一个所述检测帧。

另一方面，所述行人位置包含所述假人模型的视觉纵向距离，则所述检测报告还包括：所述检测帧、所述视觉纵向距离、检测点纵向距离、所述距离差值相对于所述检测点纵向距离的误差百分比、所有的所述距离差值的平均误差和所有的所述距离差值的标准偏差中的至少一个。

另一方面，于测试过程中，所述车辆朝向所述标定场地沿直线行驶，则在生成所述检测报告之前，还包括一行驶信号测量过程，包括：

分别获取所述车辆的驾驶辅助系统输出的算法输出数据，以及所述车辆的车载雷达输出的目标信号检测数据；

依照时间顺序对所述算法输出数据和所述目标信号检测数据的数据项进行对齐；

将处理后的所述算法输出数据和所述目标信号检测数据加入所述检测报告中。

另一方面，所述目标信号检测数据包括：

所述车载雷达输出的雷达横向距离、雷达纵向距离和雷达相对速度；

所述算法输出数据包括：

所述驾驶辅助系统的融合算法输出数据的算法横向距离、算法纵向距离。

一种行人感知精度的检测系统，用于实施上述的检测方法，包括：

设置在待检测车辆前方的标定场地，所述标定场地上分布有多个检测点位，所述检测点位用于设置假人模型

数据记录装置，所述数据记录装置设置于所述待检测车辆上，所述数据记录装置连接所述车辆上的行人检测系统，以获取并存储所述行人检测系统的输出数据；

处理装置，所述处理装置读取所述数据记录装置存储的所述输出数据，所述处理装置根据所述输出数据输出对应于所述行人检测系统的行人感知精度的检测报告。

另一方面，所述待检测车辆还包括驾驶辅助系统和车载雷达，则所述数据记录装置还分别连接所述驾驶辅助系统和所述车载雷达；

所述数据记录装置获取并存储所述驾驶辅助系统的算法输出数据，以及所述车载雷达输出的目标信号检测数据；

所述处理装置还将所述算法输出数据和所述目标信号检测数据进行处理后添加至所述检测报告中。

另一方面，所述待检测车辆还包括：驾驶系统，所述驾驶系统用于控制所述待检测车辆朝向所述标定场地沿直线匀速行驶；

距离检测装置，所述距离检测装置用于获取所述待检测车辆的车头指向、行驶距离和车速。

上述技术方案具有如下优点或有益效果：

针对现有技术中的检测方法难以验证行人检测系统本身的输出精度的问题，本方案中，通过在标定场地中设置具有特定排列方式的检测点位，并在检测点位上依次设置假人模型来采集行人检测系统针对不同位置上的假人模型的输出数据，进而与检测点位的位置进行比较，从而判断出行人检测系统在不同位置上可能存在的检测误差，并生成对应的检测报告，以此来实现对行人检测系统的检测精度较好的验证效果。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。

图1为本发明实施例的整体示意图；

图2为本发明实施例中标定场地示意图；

图3为本发明实施例中检测点位规划过程示意图；

图4为本发明实施例中设置假人模型的方法示意图；

图5为本发明实施例中生成检测报告的方法示意图；

图6为本发明实施例中行驶信号测量过程示意图；

图7为本发明实施例中检测系统示意图；

图8为本发明另一实施例中的检测系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明包括：

一种行人感知精度的检测方法，用于对车辆的行人检测系统进行检测，如图1所示，包括：

于车辆的前方设置标定场地，标定场地中分布有多个检测点位；

于每个检测点位上依次设置假人模型，同时，采集行人检测系统针对假人模型的输出数据；

将输出数据与检测点位的检测点位置进行比较，以生成对应于行人检测系统的行人感知精度的检测报告。

具体地，针对现有技术中的检测方法，通常仅关注车辆整体是否能够触发紧急制动功能，而无法对行人检测系统的检测精度进行验证的问题，本实施例中，如图2所示，通过在车辆的前方设置标定场地，并在标定场地中分布多个检测点位，并在每个检测点位上依次设置假人模型，使得车辆上的行人检测系统上能够在视野范围内获取到假人模型并触发相应的算法来对假人模型进行识别、定位，从而形成对应于假人模型位置的输出数据，依照该输出数据与检测点位的实际位置进行比较，从而可以较为准确地判断出行人检测系统在不同的方位、距离上对行人进行检测的位置精度，以此来形成检测报告以便于行人检测系统的设计优化工作。

在实施过程中，上述的行人检测系统指设置在车辆上的行人检测系统，其主要包括设置在车辆前方的图像传感器和连接图像传感器的处理器，可以是摄像头或双目视觉相机，能够采集车辆的前方路况并由处理器依照对应的图像识别算法检测出车辆前方是否有行人、行人的具体位置等。标定场地指如图2所示的矩形场地，其中分布有具有特定排列的检测点位，每个检测点位均具有特定的检测点位置、间距，检测点位上用于设置假人模型；假人模型的具体规格、形状等可以参照ACEA协会发布的“Articulated pedestrian targetACEA specifications”。输出数据为行人检测系统通过信号接口直接输出的读数，其包含有识别出的假人模型的方位。为实现对行人检测系统的有效测试，应当可以理解的是，在检测点位上设置假人模型的过程中，测试人员也可能会触发行人检测系统的识别、数据输出过程；针对该因素产生输出数据会在生成检测报告的过程中被预先舍弃，或者，在测试人员调整假人模型时停止对行人检测系统的输出数据的采集。检测报告指依照相应的计算公式对输出数据和检测点位置进行处理得到的数据表格，主要包括检测点位置、输出数据、相对误差等内容，可用于研发人员判断行人检测系统在各方位、距离上的检测精度是否达到预期并依照数据调整设计。

在一个实施例中，多个所述检测点位呈矩形点阵分布于所述标定场地中。

具体地，针对现有技术中的检测方法，是在车辆前方设置假人模型横向通过的通道，无法用于对行人检测系统在各方向上的检测精度进行验证的问题，本实施例中，将检测点位设置为矩形排布的点阵，并通过调整检测点位的横向间距、纵向间距来实现对车辆上的行人检测系统的检测范围较好的覆盖效果。

在一个实施例中，于设置标定场地之前还包括检测点位规划过程，如图3所示，检测点位规划过程包括：

获取行人检测系统的设计预期指标；

设计预期指标包括探测距离、视野和探测精度；

根据探测距离和视野确定检测点位的纵向分布距离和横向分布距离；

根据纵向分布距离、横向分布距离和探测精度生成检测点位的横向间距和纵向间距；

则在设置检测点位时，依照纵向分布距离、横向分布距离、横向间距和纵向间距在标定场地中设置检测点位。

具体地，为实现对行人检测系统较好的测试效果，本实施例中，通过在每一次对行人检测系统进行验证测试之前，预先获取到该行人检测系统的设计预期指标，该设计预期指标为车辆工程师对行人检测系统所需要实现的性能的预期，包括探测精度，最大/最小探测距离、摄像头的视野等。围绕设计预期指标来确定检测点位的分布情况，以此来实现较好的验证效果。在获取到设计预期指标后，可根据该设计预期指标确定在车辆开始测试时，检测点位所需要覆盖的区域，包括纵向上需要达到的最远距离和最近距离，以及摄像机在横向上所需要覆盖的视野，在此基础之上对检测点位的纵向分布距离和横向分布距离进行设定，以实现对该部分范围的有效覆盖。进一步地，在确定了检测点位的纵向分布距离和横向分布距离后，还需要进一步地根据行人检测系统所需要达到的检测精度来确定检测点位的横向间距和纵向间距。一般来说，该过程可基于透视原理进行设置，先确定在最大探测距离上识别算法应当对行人在横向和纵向上的距离进行有效判别的准确度，随后依照透视关系将其映射为假人模型在现实世界中所需要的最小间距，以此来对横向间距和纵向间距进行设定，进而使得依照上述分布的检测点位能够对行人检测系统进行有效的验证。

在一个实施例中，检测点位为7*10的长方形点阵，该长方形点阵的中心线与车辆的中轴线对齐，检测点位的横向分布距离为左右共12米，纵向分布距离为最小距离2m，最大距离100m。检测点位具体包括自中心线向左右方向分别延伸的3列检测点位和向车头指向方向依次分布的10行检测点位，其横向间距依次为3m，1.5m，1.5m，纵向间距依次为8米，10米，10米，10米，10米，10米，10米，10米，10米。

在一个实施例中，如图4所示，于检测点位上设置假人模型的过程还包括：

针对当前的检测点位，将假人模型以初始姿态设置于检测点位上；

当行人检测系统生成输出数据后，将假人模型调整至下一个姿态；

重复采集行人检测系统于假人模型的不同姿态下的输出数据，直至假人模型的所有姿态采集完成后，转向下一个检测点位。

具体地，针对现有技术中的检测方法，仅针对自车辆前方横向穿过的假人模型进行检测，其不能用于验证行人检测模型对不同姿态下的假人模型的检测精度的问题，本实施例中，在对行人检测系统在不同距离、方位上的检测精度验证的基础上，还通过调整假人模型的姿态，比如正对车辆、侧对车辆等，来验证行人检测系统对不同方向上的行人的检测准确度，从而避免了行人检测系统在特定方位下检测不到特殊姿态的假人模型的问题，提高了对行人检测系统的验证效果。

在一个实施例中，于设置姿态时，获取假人模型的正面朝向与检测点位的长轴方向的夹角，并通过调整夹角来设置姿态；

夹角包括0度、90度、180度、-90度、45度和-45度。

具体地，为实现对实际应用过程中行人检测系统的检测场景较好的覆盖效果，本实施例中，通过将假人模型的面向情况分别设置为0度、90度、180度、-90度、45度和-45度，并在每个检测点位上依照上述记载的面向分别调整假人模型的姿态，使得假人模型在行人检测系统的视野中呈现出不同方位的姿态，以实现对行人检测系统针对不同姿态下的行人的检测精度较好的验证效果。

在一个实施例中，输出数据包括：行人检测系统的检测帧，以及于检测帧上测得的行人位置；

则如图5所示，生成检测报告的方法包括：

依照检测帧获取对应于检测帧的检测点位；

将检测点位的检测点位置和对应于检测帧的行人位置进行比较得到距离差值；

将距离差值添加到检测报告中，随后转向下一个检测帧。

具体地，针对现有技术中的检测方法，通常仅关注车辆整体是否能够触发紧急制动功能，而无法对行人检测系统的检测精度进行验证的问题，本实施例中，通过在获取到行人检测系统针对各检测点位生成的输出数据后，通过读取每个检测帧，并和在检测点位上设置假人模型的时间点进行比较，从而获取到对应于检测帧的检测点位置，并将该检测点位置与当前检测帧上输出的行人位置进行相减，从而得到距离差值，实现了对行人检测系统在各距离、方位上的检测精度较好的验证效果。

在一个实施例中，行人位置包含假人模型的视觉纵向距离，则检测报告还包括：检测帧、视觉纵向距离、检测点纵向距离、距离差值相对于检测点纵向距离的误差百分比、所有的距离差值的平均误差和所有的距离差值的标准偏差中的至少一个。

具体地，为实现对行人检测系统的检测精度较好的量化效果，本实施例中，在生成检测报告时，通过选择在检测报告中添加检测帧、视觉纵向距离、距离差值和误差百分比，进而构建如下表1所示的检测报告，实现了对行人检测系统在各距离、方位上的检测精度较好的验证效果。

视觉纵向距离	检测点纵向距离	距离差值	误差百分比
				1.16	1.00	0.16	13.79％
2.00	2.00	0.00	0.00％
				2.51	3.00	-0.49	-19.52％
3.50	4.00	-0.50	-14.29％
				4.24	5.00	-0.76	-17.92％
4.88	6.00	-1.12	-22.95％
				5.69	7.00	-1.31	-23.02％
7.45	8.00	-0.55	-7.38％
				8.38	9.00	-0.62	-7.40％
9.13	10.00	-0.87	-9.53％
				21.94	20.00	1.94	8.84％
27.06	30.00	-2.94	-10.86％
				36.24	40.00	-3.76	-10.38％
45.69	50.00	-4.31	-9.43％

表1

在一个实施例中，于测试过程中，车辆向标定场地沿直线行驶，则在生成检测报告之前，还包括一行驶信号测量过程，如图7所示，包括：

分别获取车辆的驾驶辅助系统输出的算法输出数据，以及车载雷达输出的目标信号检测数据；

依照时间顺序对算法输出数据和目标信号检测数据的数据项进行同步；

将处理后的算法输出数据和目标信号检测数据加入检测报告中。

具体地，针对现有技术中对驾驶辅助系统整体的测试过程，仅是设计对应的场景来判断车辆的紧急制动系统是否能够正确触发、刹停，而不能用于验证驾驶辅助系统中各环节的检测精度准确度的问题，本实施例中，将测试过程设置为车辆基于驾驶辅助系统向标定场地直线行驶，在这一过程中截取驾驶辅助系统输出的算法输出数据和行人检测系统输出的目标信号检测数据，以此来进行对照验证，从而判断出车辆的驾驶辅助系统在对多个方位的假人模型的处理过程中计算得到的行人位置是否准确，实现了较好的验证效果。

在实施过程中，驾驶辅助系统指车辆上设置的用于控制车俩进行自动行驶的装置，其通过车上设置的传感器，包括行人检测系统中的图像传感器、车辆上设置的毫米波雷达等获取到道路信息，随后依照相应的自动驾驶算法来实现对车辆的自动驾驶辅助功能，包括定速巡航、自动刹车、变道等功能。在处理过程中，驾驶辅助系统会对各传感器输出的信号依照预置的融合算法进行融合处理，将多传感器检测到的目标位置进行综合运算得到实际用于自动驾驶决策的信息。比如，在行人检测场景中，驾驶辅助系统会结合车载雷达探测到的车辆前方的障碍物回波，以及行人检测系统通过图像识别算法检测到的行人位置进行融合处理，以得到相对准确的行人位置，以供驾驶辅助系统规划路线、触发自动刹车等。在该系统中，算法输出数据即包括该算法中融合得到的行人位置，下称(算法横向距离，算法纵向距离)。

在一个实施例中，目标信号检测数据包括：

行人检测系统的雷达输出数据中的雷达横向距离、雷达纵向距离和雷达相对速度；

算法输出数据包括：

驾驶辅助系统的融合算法输出的算法横向距离、算法纵向距离。

具体地，针对现有技术中的检测方法仅能够用于验证车辆的紧急制动功能是否能够正常触发，而不能用于判断驾驶辅助系统对各方向上的行人进行位置融合的准确度的问题，本实施例中，通过在检测报告中分别设置目标信号检测数据和算法输出数据，并依照二者同时生成有效数据的时间点进行数据项的同步处理，进而计算出驾驶辅助系统和车载雷达在对应检测帧上的误差，从而对二者在不同距离上对假人模型的检测误差进行了较好的判断，从而得出算法在实际规划路线时可能存在的误差，便于依照数据指导后续的算法处理过程；进一步地，在计算出作图误差后，还可依照预先设置的判断标准对处理后的数据项进行筛选，从而挑选出存在异常的数据，便于研发人员针对该部分数据进行重点分析。

表2

一种行人感知精度的检测系统，用于实施上述的检测方法，如图7所示，包括：

设置在待检测车辆10前方的标定场地，标定场地上分布有多个检测点位，检测点位用于设置假人模型

数据记录装置11，数据记录装置11设置于待检测车辆10上，数据记录装置11连接待检测车辆10上的行人检测系统12，以获取并存储行人检测系统12的输出数据；

处理装置21，处理装置21读取数据记录装置11存储的输出数据，处理装置21根据输出数据输出对应于行人检测系统12的行人感知精度的检测报告。

具体地，针对现有技术中的检测方法，通常仅关注车辆整体是否能够触发紧急制动功能，而无法对行人检测系统的检测精度进行验证的问题，本实施例中，通过在待检测车辆10的前方设置标定场地，并在标定场地中分布多个检测点位，并在每个检测点位上依次设置假人模型，使得待检测车辆10上的行人检测系统12上能够在视野范围内获取到假人模型并触发相应的算法来对假人模型进行识别、定位，从而形成对应于假人模型位置的输出数据；随后，采集装置11可以依照相应的数据接口来读取并保存该部分输出数据；当测试结束后，处理装置21可连接并通过数据总线读取到数据记录装置11存储的输出数据，并依照该输出数据与检测点位的实际位置进行比较，从而可以较为准确地判断出行人检测系统在不同的方位、距离上对行人进行检测的位置精度，以此来形成检测报告以便于行人检测系统的设计优化工作。

在实施过程中，上述待检测车辆10可以是任意的具有待检测、标定的行人检测系统12的车辆，数据记录装置10可以是CAN vector或其他的数据采集装置，其通过相应的数据总线，比如CAN总线或其他总线、车载以太网、OBD接口等连接至行人检测系统12中，以便于从行人检测系统12的主控制芯片(MCU)中读取到输出数据，并通过其内置或外置的存储设备对输出数据进行存储。处理装置21为任意型号的搭载了相应软件程序的计算机设备，其能够通过相应的接口，比如USB、LAN口等连接至数据记录装置11中以读取输出数据并进行处理。

在另一个实施例中，如图8所示，待检测车辆10还包括驾驶辅助系统13和车载雷达14，则数据记录装置11还分别连接驾驶辅助系统13和车载雷达14；

数据记录装置11获取并存储驾驶辅助系统13的算法输出数据，以及车载雷达14输出的目标信号检测数据；

处理装置21还将算法输出数据和目标信号检测数据进行处理后添加至检测报告中。

具体地，针对现有技术中对驾驶辅助系统整体的测试过程，仅是设计对应的场景来判断车辆的紧急制动系统是否能够正确触发、刹停，而不能用于验证驾驶辅助系统中各环节的检测精度准确度的问题，本实施例中，将测试过程设置为待检测车辆10基于驾驶辅助系统13向标定场地直线行驶，在这一过程中截取驾驶辅助系统13输出的算法输出数据和车载雷达14输出的目标信号检测数据并存储至数据记录装置中，进而使得处理装置21能够依照算法输出数据和目标信号检测数据进行对照验证，从而判断出待检测车辆10的驾驶辅助系统13在对多个方位的假人模型的处理过程中计算得到的行人位置是否准确，实现了较好的验证效果。

在实施过程中，驾驶辅助系统13主要是指高级驾驶辅助系统(Advanced DriverAssistance Systems，ADAS)，也可以是其他的驾驶辅助系统，比如包含了定速巡航和紧急制动功能的驾驶辅助系统等。车载雷达14可以是毫米波雷达或激光雷达等，其发射特定波段的信号并接收回波来感知前方的障碍物。

在上述实施例中，待检测车辆10还包括：

驾驶系统15，驾驶系统15用于控制待检测车辆朝向标定场地沿直线匀速行驶；

距离检测装置16，距离检测装置16用于获取待检测车辆的车头指向、行驶距离和车速。

在实施过程中，驾驶系统15可以是AB Dynamics或其他类型的驾驶系统，其能够用于模拟驾驶员动作来控制车辆以特定参数进行行驶；距离检测装置16可以是RT-Range或其他用于检测距离、方位和速度的传感器。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (11)

1.一种行人感知精度的检测方法，其特征在于，用于对车辆上配置的行人检测系统进行检测，包括：

于车辆的前方设置标定场地，所述标定场地中分布有多个检测点位；

于每个所述检测点位上依次设置假人模型，同时，采集所述行人检测系统针对所述假人模型的输出数据；

将所述输出数据与所述检测点位的检测点位置进行比较，以生成对应于所述行人检测系统的行人感知精度的检测报告。

2.根据权利要求1所述的检测方法，其特征在于，于所述检测点位上设置所述假人模型的过程还包括：

针对当前的所述检测点位，将所述假人模型以初始姿态设置于所述检测点位上；

当所述行人检测系统生成所述输出数据后，将所述假人模型调整至下一个姿态；

重复采集所述行人检测系统于所述假人模型的不同姿态下的所述输出数据，直至所述假人模型的所有姿态采集完成后，转向下一个所述检测点位。

3.根据权利要求1所述的检测方法，其特征在于，多个所述检测点位呈矩形点阵分布于所述标定场地中；

于设置所述标定场地之前还包括检测点位规划过程，所述检测点位规划过程包括：

获取所述行人检测系统的设计预期指标；

所述设计预期指标包括探测距离、视野和探测精度；

根据所述探测距离和所述视野确定所述检测点位的纵向分布距离和横向分布距离；

根据所述纵向分布距离、所述横向分布距离和所述探测精度生成所述检测点位的横向间距和纵向间距；

则在设置所述检测点位时，依照所述纵向分布距离、所述横向分布距离、所述横向间距和所述纵向间距在所述标定场地中设置所述检测点位。

4.根据权利要求2所述的检测方法，其特征在于，于设置所述姿态时，获取所述假人模型的正面朝向与所述检测点位的长轴方向的夹角，并通过调整所述夹角来设置所述姿态；

所述夹角包括0度、90度、180度、-90度、45度和-45度。

5.根据权利要求1所述的检测方法，其特征在于，所述输出数据包括：所述行人检测系统的检测帧，以及于所述检测帧上测得的行人位置；

则生成所述检测报告的方法包括：

依照所述检测帧获取对应于所述检测帧的所述检测点位；

将所述检测点位的检测点位置和对应于所述检测帧的所述行人位置进行比较得到距离差值；

将所述距离差值添加到所述检测报告中，随后转向下一个所述检测帧。

6.根据权利要求5所述的检测方法，其特征在于，所述行人位置包含所述假人模型的视觉纵向距离，则所述检测报告还包括：所述检测帧、所述视觉纵向距离、检测点纵向距离、所述距离差值相对于所述检测点纵向距离的误差百分比、所有的所述距离差值的平均误差和所有的所述距离差值的标准偏差中的至少一个。

7.根据权利要求1所述的检测方法，其特征在于，于测试过程中，所述车辆朝向所述标定场地沿直线行驶，则在生成所述检测报告之前，还包括一行驶信号测量过程，包括：

分别获取所述车辆的驾驶辅助系统输出的算法输出数据，以及所述车辆的车载雷达输出的目标信号检测数据；

依照时间顺序对所述算法输出数据和所述目标信号检测数据的数据项进行对齐；

将处理后的所述算法输出数据和所述目标信号检测数据加入所述检测报告中。

8.根据权利要求7所述的检测方法，其特征在于，所述目标信号检测数据包括：所述车载雷达输出的雷达横向距离、雷达纵向距离和雷达相对速度；

所述算法输出数据包括：

所述驾驶辅助系统的融合算法输出数据的算法横向距离、算法纵向距离。

9.一种行人感知精度的检测系统，其特征在于，用于实施如权利要求1-8任意一项所述的检测方法，包括：

设置在待检测车辆前方的标定场地，所述标定场地上分布有多个检测点位，所述检测点位用于设置假人模型

数据记录装置，所述数据记录装置设置于所述待检测车辆上，所述数据记录装置连接所述待检测车辆上的行人检测系统，以获取并存储所述行人检测系统的输出数据；

处理装置，所述处理装置读取所述数据记录装置存储的所述输出数据，所述处理装置根据所述输出数据输出对应于所述行人检测系统的行人感知精度的检测报告。

10.根据权利要求9所述的检测系统，其特征在于，所述待检测车辆还包括驾驶辅助系统和车载雷达，则所述数据记录装置还分别连接所述驾驶辅助系统和所述车载雷达；

所述数据记录装置获取并存储所述驾驶辅助系统的算法输出数据，以及所述车载雷达输出的目标信号检测数据；

所述处理装置还将所述算法输出数据和所述目标信号检测数据进行处理后添加至所述检测报告中。

11.根据权利要求10所述的检测系统，其特征在于，所述待检测车辆还包括：

驾驶系统，所述驾驶系统用于控制所述待检测车辆朝向所述标定场地沿直线匀速行驶；

距离检测装置，所述距离检测装置用于获取所述待检测车辆的车头指向、行驶距离和车速。

Images