在非结构化场景下的环境感知算法中,对于数据集的多源性和数据集标注信息的精度有着较高的要求。现有的数据集多采用人工进行数据标注,耗时耗力,但是标注的效果往往不够理想。自动驾驶需求及技术的高速发展,需要专业的集成测试平台,特别是需要对环境感知算法的功能、性能进行全面的测试和评估。因此,本文设计了基于环境感知的自动驾驶算法测试平台,该平台实现了算法辅助人工进行数据标注和算法跨平台并行测试功能,为环境感知算法的测试提供了平台标注的数据集以及高并发的算法测试环境。本文的主要工作如下:（1）针对环境感知数据集的在线标注问题,本文对现有的环境感知算法Faster RCNN（Faster Regions with CNN features）分别在特征提取模块、RPN（Region Proposal Network）网络模块和Fast RCNN模块进行改进,提出了带有难度预测的Faster RCNN,将其应用于地面无人车采集到的数据集,辅助人工进行数据集的标注。（2）针对环境感知算法的高计算量需求及其并行测试问题,本文提出了一种基于哈希的分布式负载均衡策略,相较于大数据计算框架,具有轻量级、非侵入式的特点,无需对环境感知算法进行重构,并且在性能上达到了负载均衡的平均时间复杂度为O（N）级别,实现了在平台上对不同环境感知算法以及不同的多源数据集的并行测试。（3）针对环境感知算法测试平台的实现问题,本文对基于环境感知的自动驾驶算法测试平台进行了需求分析、设计和实现,采用前后端分离的开发模式。前端采用Vue.js的Element UI组件库开发交互界面。后端采用Spring整合Spring MVC和Mybatis框架提供数据标注和算法测试服务。数据库采用Min IO分布式文件系统存储非结构化的环境感知算法数据集。最后对本文所设计的平台进行了测试,测试结果表明本文所设计的基于环境感知的自动驾驶算法平台可以满足数据集存储和算法在线测试的实际需求,提升了数据标注和算法测试的效率,并且在实践中得到了检验。