自动驾驶系统可以提高交通安全性,是未来出行的重要组成部分。现有技术条件下,在开放道路实现无人驾驶异常困难,只能在设计运行域内保证自动驾驶系统的有效性。因此,准确检测该域边界是自动驾驶系统产业化、避免用户误用的关键。相较于极限性能测试仅检测某一边界点,域边界测试关注系统整体的运行边界。极限性能测试现有方法如遗传算法等,难以实现边界的完整检测。为此本文提出一种具有完整检测能力、应对复杂评价值空间、满足期望精度、成本较低的测试方法,并配套提出对边界描述能力的评价方法,以及可视化场景生成的操作步骤。首先,提出将被测系统的输入参数组成参数空间,将系统包含的各个参数表现为参数空间的各个维度。总结边界特性,提出运用点集描述边界,并证明边界为闭合或被参数空间边界切割的特征。进而根据该特性提出问题检测策略,先对参数空间进行评价,随后检测评价值的边界。根据边界特性提出一种不需严格收敛的边界评价框架,用以指导检测算法。随后根据边界评价算法与边界特点,总结算法需求、目标。提出边界循环检测部分、收敛部分、大范围探测部分组成的算法框架。其次,根据算法框架,得出通过三种点集生成操作分别实现框架内的三部分。对三种点集的共有结构与本体结构分别进行设计,实现设计目标,最后得出总体迭代流程。并通过典型边界场景进行实验分析,总结算法的检测能力。在应用方面,准备过程中,讨论算法内部邻域的特性及选取规则,分别分析得出参数的约束条件。应用过程中,讨论点的生成方法,总结各种方法的特点。对应用多种精度同时检测的问题,分析多种精度区域划分的方法。对参数空间形态特殊的情况,本文分析算法参数对检测能力的影响,根据边界形态特点总结参数约束。最后,本文对AEB系统进行实验。通过MATLAB系统搭建AEB仿真环境,应用算法进行检测。为量化评价算法的检测效果,根据栅格法设计算法评价指标,实现扩散性与收敛性的量化评价。为将检测结果更具象化表达,且输出结果为点集,在高维参数空间应用时仅能得到数据无法绘制,提出场景转换程序的流程,用以实现可视化场景的自动生成。最终总结实验结果,得出本检测算法可以以很小的成本完成较全面的检测。