场景高效建模技术对城市智能汽车的发展具有重要意义。在预先构建的丰富城市仿真场景上进行算法开发与验证，将会极大提高自动驾驶算法的开发效率。传统的场景建模方法在数据采集与建模方式上完全依靠人工实现，效率低下，且细节处构建难度大、导致场景面片冗余影响渲染效率。本文依托城市智能汽车数据，设计算法高效构建城市场景简化模型。本文主要工作如下：
　　提出了一种从城市智能汽车连续采集的点云中提取建筑物立面坐标序列的方案。车载点云海量且无序，针对地物种类繁多的情况，本文先将除建筑物以外的地物点云碎片化，进而利用空间尺度信息提取多个建筑物点云聚类，避免了采集角度受限时分类阈值难以准确设定的问题。本文将建筑物模型等效为连续矩形立面来减轻模型重量，通过平面过分割保留建筑物主体，并设置了一种搜索合并的规则恢复建筑物连续结构，最终得到矩形面片的坐标序列。
　　提出了一种从城市智能汽车连续采集的图像中自动搜寻建筑物纹理的思路。将建筑物点云中提取出的坐标点投影到不同位置采集的图像上，裁剪得到每个面片对应的纹理序列。针对建筑物纹理遮挡的现象，设计了一种基于预测的纹理修复方案。结合深度学习的发展成果，先利用语义分割将像素分类，然后将建筑物类别与其余类别黑白二值化得到图像遮挡掩码形成一对一映射指示待修复区域，再训练基于门控卷积的图像修复网络，根据遮挡区域的大小与图像的清晰度选取出合适的最佳纹理进行修复。
　　本文设计了一套建筑物与道路批量生成的系统，自动实现建筑物的白模生成与纹理映射，自动生成智能车主行驶方向上的道路。并依托纵向项目，以六自由驾驶模拟仿真器作为实验平台，设计并开发了视景仿真系统，将场景导入驾驶模拟仿真器，进行场景的帧率检测与碰撞检测验证，证明了本文所提出的建模方案的可用性。