无人驾驶汽车产业已成为世界各国关注的焦点,《中国智能制造2025》也将其列入国家重点发展方向。近年来,无人车发展涌现了大量成果,如:快递无人车、扫地无人车、无人公交车和无人私家车等。Tesla与Uber自动驾驶车辆事故说明了无人车封闭测试的必要性。视觉系统是无人车获取外界环境信息最主要的感知方法之一,因此,无人车视觉性能测试不仅是无人车测试的重要环节,也是保障无人车驾驶安全、评估无人车市场代入的一项重要指标。本文在对无人车视觉测试的虚拟场景构建方法、原理及算法研究的基础上,提出了虚实结合的无人车测试方案,论文以无人车视觉虚拟测试的场景样本库构建中的方法为切入点,针对其中涉及的样本采集、清洗、特征识别和仿真建模等关键技术进行研究。对无人车视觉加速测试具有更重要的理论意义和现实价值。本文的主要工作包括以下几个部分:首先,提出了无人车视觉测试场景样本库构建的总体设计方案,用类比于人的视觉感知及测试提出了无人车视觉系统测试的总体模型,进一步对各部分设计的关键技术进行分析。其次,针对静态视觉测试样本库构建过程中存在的样本错误、重复或相似等问题,定义数据清洗规则,并提出了一种基于超像素分割下感知哈希的交通场景图像去重算法。经过实验验证,该方法对图像的去重准确率达98.55%,具有较高的准确性、鲁棒性和稳定性。再次,将无人车静态视觉测试归纳为对纹理、颜色、形状等基本图像特征的认知和对交通场景及交通参与者的识别两部分。一方面,分析国内外交通标志数据集,构建了本文的交通标志数据集N-CTSDB20,并选取SSD模型进行检测与识别,实现交通标志的自动识别;另一方面,分析影响无人车视觉系统感知的基本参数,搭建基本视觉测试工具,为无人车视觉测试提供样本基础。然后,分析交通场景元素的构成,确定仿真平台的功能及结构,利用Unity 3D和Blender建模软件实现场景建模,交互设计实现一个基于Unity 3D引擎的虚拟场景仿真平台。最后,对构建的场景样本库和仿真平台分别评价,验证其有效性。本文实现了虚实结合的无人车视觉系统测试场景样本库的构建,经过实验验证与评价,能基本完成无人车视觉测试要求。本论文获得中央高校基本科研业务费创新团队培育项目:“无人车静态性能测试（No.300102329401）”和“十三五”国家重点研发计划项目:“全息交通状态重构与车辆群体协同控制测试验证（NO.SQ2018YFB16003105）”的资助。