自动驾驶测试是保证自动驾驶技术安全的关键环节。目前自动驾驶实车测试存在着成本高、不易重复、灵活性差等缺点;虚拟仿真测试了克服实车测试上述缺点的同时,也带来了由于车辆动力学模型和传感器模型仿真精度不高造成的性能下降,经过仿真验证后的自动驾驶技术并不能直接进入下一步验证。本文围绕面向自动驾驶测试的虚实场景融合技术展开研究,基于场景搭建技术和传感器仿真技术搭建了自动驾驶虚拟场景,实现了虚实场景中的图像融合及点云融合,并通过数据集验证了融合算法的有效性和优越性。首先搭建自动驾驶虚拟场景。对比现有自动驾驶仿真平台,基于课题研究需求选取了Air Sim做为虚拟场景搭建平台,基于静态环境和动态交通场景构建技术、光照和天气特效的实现方法以及自动驾驶常用传感器仿真技术搭建了自动驾驶虚拟场景。然后研究虚实场景融合中的图像融合技术。推导了单目相机的成像模型公式,并基于相机的工作原理进行了相机仿真。搭建了泊松融合数学模型,实现了基于泊松融合算法的虚实图像融合,并针对泊松融合算法存在的伪影和渗色问题进行了改进。通过对比直接复制法、泊松融合算法和本文改进泊松融合算法生成的图像数据的真实度,验证本文算法的优越性。接着研究虚实场景融合中的点云融合技术。根据激光雷达工作原理,搭建了激光雷达仿真模型,利用点云和图像的对应关系,实现了点云到图像像素点的映射。选取距离最近策略进行虚实点云的融合,融合结果表明点云效果较好且满足实时性需求。最后通过数据集验证图像融合及点云融合算法。将仿真图像、真实图像和虚实融合生成的图像制作成三个数据集,利用YOLO-v3目标检测网络模型训练后分别对比其目标检测评估指标,结果表明了虚实融合图像的目标检测指标优于仿真图像。将仿真器生成的点云、真实点云和虚实融合点云制作成的三个数据集,经过Squeeze Seg点云分割模型训练后对比其语义分割评估指标。结果显示,本文点云融合技术生成的点云比虚拟点云的训练效果更佳。通过Pre Scan/Air Sim联合仿真说明了本文算法的应用场景。