如今汽车正朝着智能化的方向蓬勃发展,以计算机视觉为代表的人工智能技术已成为汽车智能化进程中重要的一环,智能驾驶车辆普遍已装载高级驾驶辅助系统（Advanced Driver Assistance System,ADAS）,这极大程度上提高了行车的主动安全性。然而,每年依然有大量行人在交通事故中丧生,自动紧急制动行人避撞系统（Automous Emergency Braking-Pedestrian,AEB-P）可以辅助驾驶从而更好的保护道路行人安全,而其性能的好坏极大地依赖于车载感知设备对行人能否精准识别。本文首先基于Transformer在行人检测上的应用展开研究,然后设计了基于车载摄像头和雷达联合感知的AEB-P系统,并通过联合仿真实验验证了系统的有效性,本文的主要研究内容如下。本文基于目标检测新范式DETR（Detection TRansformer）算法进行行人检测器的设计,通过引入注意力机制SENet来提高网络对特征图通道层面的关注。其次引入相对位置编码i RPE（image Relative Positional Encodings）与绝对位置编码相结合,从而同时提高模型对全局信息和局部信息的关注度。另外,本文使用车载摄像头在多地采集行人数据与Calteh Pedestrian Dataset等公开数据集进行结合构建了新的行人数据库。将训练好的改进版DETR检测器与Faster＿RCNN和YOLOv5等传统检测方法对行人检测效果进行了对比,证明改进的DETR算法检测效果在行人检测的多尺度行人、存在遮挡、视野不佳等诸多难点问题上都有不俗的表现,在自建测试集中检测准确率高达97.2%,展示了将Transformer应用在目标检测领域的广阔前景。本文针对AEB-P纵向行人避撞系统展开研究,基于TTC（Time To Collision）安全时间模型考虑了制动距离组成后建立风险评估模型,划分了相应的风险等级,设计了分级预警制动策略,兼顾了行人的安全性和驾乘人员的舒适性,设计PID控制器对车辆输出的制动管路压力进行调整。最后本文通过CarSim和Simulink搭建了AEB-P系统的各个子模块,并搭建了C-NCAP中相关的行人测试场景,通过CarSim/Simulink联合仿真验证了各场景低、中、高速工况下AEB-P系统的有效性,验证了所提出风险评估策略和分级控制的可靠性。