前言
仿真系统是自动驾驶技术开发和验证的基础。传统的仿真方法使用游戏引擎或计算机图形学模型来创建驾驶场景，不仅成本高、耗时多，而且所得场景图像缺乏真实世界图像的丰富性和真实性，使用这种场景图像进行训练会导致性能下降。数据驱动自动驾驶仿真方法以真实图像为基础，利用图像处理和分析技术创建类似真实世界的模拟场景，能够避免传统仿真方法的不足。
随着基于图像的绘制技术的发展，人们逐渐认识到，只有把视频获取和显示的几何设置分离开来，才能更好地做到观看视角与获取视频的摄相机方位相互不受限制。在此背景下，对数据驱动自动驾驶仿真，拟研究基于参考图像与深度信息的视图合成，生成虚拟视角下的车辆运行场景背景图像，为进一步构建包含移动目标的完整仿真运行场景奠定基础。本文对数字图像处理、视图合成的基本原理和方法以及面向自动驾驶仿真的背景合成相关研究现状做综述。
一、数据驱动自动驾驶仿真
自动驾驶是近年来炙手可热的研发项目，通过仿真测试来评估、提高其安全性将有助于加快研发进程。Li W等提出增强自主驾驶仿真（AADS）。其公式通过模拟交通流来增强真实世界的图片，从而创建真实的模拟图片和渲染。更具体地说，使用激光雷达和照相机来扫描街景，根据采集到的轨迹数据，为汽车和行人生成高度可信的交通流，并将其合成到背景中。合成图像可以用不同的视点和传感器模型进行重新合成。与传统方法相比，该方法提供可伸缩性和真实性，其增强方法结合了虚拟环境（例如，车辆运动）的灵活性与真实世界的丰富性，从而允许对世界上任何地方进行有效的模拟[1]。该方法进一步弥补了仿真与现实环境背景的差异。
二、视图合成国内外研究现状
从近年来研究工作来看，构造虚拟环境的方法主要有两种，其一是基于三维模型的绘制的视图合成方法(MBR)，其二是基于图像的绘制的视图合成方法(IBR)。
2.1基于三维模型的绘制的视图合成方法
基于三维模型的绘制的视图合成方法利用计算机图形学技术，对真实场景进行抽象，重建场景的三维模型，并进行光源设计、纹理映射等绘制处理来生成视图，该方法比较成熟，但计算量大且缺乏实时性。
