自动驾驶车辆因其智能高效、安全环保的特点,逐渐成为各国交通的发展趋势,对其系统的测试验证是保障车辆安全稳定行驶在交通环境中的关键。基于场景的仿真测试手段具有效率高、成本低等优势,其中,测试场景对真实驾驶环境的还原程度是确保测试效果的重要前提。由于测试场景具有复杂多变、难以预测、不可穷尽等特点,传统的场景构建方法很难高效准确地复现实际场景,因为其通常需要耗费较长时间或根据经验提炼典型场景特点,再人为进行场景预设。纵然已有一些类似于高精度地图生成的基于真实数据的场景还原方法,也因其需要搭载精密昂贵的数据采集设备,在成本方面对整车企业造成了一定压力。为此,本文提出了一种基于实车试验数据复建测试场景的方案,并利用脚本程序对其功能进行集成,实现了将产品化实车在道路试验中采集的数据自动提取与转化,复建形成高保真、非预设、可重复的场景,且能够用于自动驾驶系统的开发测试阶段。具体研究工作开展如下。首先,分析测试场景构建任务的需求,综合考虑复建功能实现及性能提升两方面因素,在整体目标下对需求进行分解。在此基础上,从构建对象的动静态要素出发,结合实车试验数据的特性及现有软件的优势,设计了具有多层级管理架构的测试场景复建系统。并借助数据预处理技术,解决了实车试验原始数据中存在无效数据、信号时间频率不同步、数据格式不匹配等问题,为后续场景的复建过程提供有力的数据支撑。其次,针对动态场景中交通参与者的复杂行驶情景,设计了基于多车轨迹生成的场景复建策略,并提出了交通参与者关键信息跟踪算法,以解决轨迹文件中相关需求参数无法直接从实车数据获取的困难。利用信号提取、目标追踪、参数重整、空间转换等一系列数据处理链,从而构造出各交通参与者的动态轨迹,使其在虚拟环境中能够准确描述实车所检测的交通运行状况。然后,剖析了实车数据与标准格式间的不一致性,引入坐标序列拟合方法,对静态道路进行复建。针对实车识别车道线数据直接输入标准格式引发的连续性与准确性问题,利用三次曲线滚动拟合方法构建道路参考线,并通过XML语言对道路属性进行语义化描述,生成Open DRIVE标准格式的静态道路文件。在导入测试场景后,所建立的道路环境符合物理合理性并具有相对准确位置。最后,为实现测试场景的自动化生成,利用脚本将道路文件和参与者轨迹等注入虚拟环境,集成为完整的三维测试场景。并对场景仿真过程的传感数据进行采集与修正,从多个角度验证场景复建功能的有效性及准确度。进一步的,在系统集成中融入自动驾驶算法及动力学模型,形成基于复建场景的自动驾驶测试平台,并通过MATLAB开发自动化测试评价程序,提升全过程的自动化运行能力。