近年来,自动驾驶行业受到了广泛关注,一系列相关技术也发展迅速。在辅助驾驶技术中,交通路标牌的检测和识别是不可或缺的一部分。交通路标牌不仅能够给自动驾驶的车辆带来实时道路位置信息,还可以帮助高精地图的更新。但是,真正要将该技术应用于实际中,必须要考虑恶劣天气的影响,比如夜间低照度和雾天低可见度等问题,所以围绕这些问题,本文展开了如下研究:（1）夜间雾天交通路标牌去雾算法由于现有夜间去雾算法光源扩散、去雾后色彩失真及效果不佳等问题,本文提出了混合滤波光估计和透射率优化的夜间去雾算法。对夜间环境光估计不准,先对亮度图像进行边窗滤波保障光照方向,然后采用引导滤波细化三通道作为局部环境光估计。针对去雾在夜间应用时产生的光源扩散问题,高光区补偿以提高光源区透射率,同时针对去雾后色彩不均、细节丢失,使用引导滤波修正粗透射率后再正则化求解。最后通过大气散射模型求解出复原图像。实验结果表明,本文的算法能够同时处理夜间和白天的有雾图像,无论主观还是客观上,均优于现有方法。（2）交通路标牌检测算法对于交通路标牌的检测,本文设计了基于颜色和形状位置的定位方法。将待检测图像转入HSV空间,排除大部分干扰信息,再通过形态学处理和空间位置连通域定位出交通路标牌区域。由于采集时存在一定角度,图像会产生畸变,本文通过霍夫变换检测出四个角点,再通过透视矩阵变换法进行矫正,最后获得形状标准的交通路标牌。（3）交通路标牌去模糊算法考虑到本文技术多应用于行驶车辆,所以采集的图片可能会存在运动模糊,需要对该问题进行解决。本文在暗通道先验的去模糊算法中,引入明通道解决夜间亮区效果不良的问题,通过亮度感知的方法很好地将明暗通道结合,进行中间潜像估计。针对模糊核估计中,缺少稀疏性的问题,在L2范数中引入L1范数,进行联合约束。最后成功对模糊交通路标牌图像进行了去模糊。（4）交通路标牌识别算法交通路标牌的识别算法分成两步:汉字分割和识别。汉字分割中,通过OSTU二值化将白字和蓝底区分,根据连通域面积排除干扰项,再通过纵横信息分析分割出单个汉字。最后,针对Alex Net网络模型的问题,通过改进激活函数、卷积层进行优化,制作训练集训练后,提高了汉字识别的准确率。