随着人类社会现代化进程的高速推进与经济的快速发展,汽车得到了广泛普及,走进了千百万普通家庭。然而,汽车在给人们的出行带来方便的同时,城市交通拥挤加剧、交通事故频发、公路交通安全以及运输效率问题却变得日益突出,给人们的生活、工作带来了极大的不便。在这种情况下,智能交通系统(ITS)应运而生并且得到了广泛关注,与此同时,基于图像处理技术的交通标志识别系统(TSR)作为智能交通系统ITS的一个重要组成部分,也逐渐成为国内外研究的热点。作为无人驾驶汽车视觉系统的重要组成部分,实时的交通标志检测与识别技术也越来越多地得到人们的关注。但是,由于该课题对实时性能要求非常高,在真实环境下的应用效果并不理想,仍然存在着许多问题。本文首先在交通标志的检测过程中,针对现有的HSV颜色空间转换浮点计算量大,无法满足系统运行的实时性要求,提出了基于颜色距离的交通标志检测技术,根据大量的原始数据统计,得到相应类别交通标志的颜色阈值,进而可以快速得到感兴趣区域的二值图。同时采用金字塔分解对图像进行下采样处理,在小图上进行交通标志的检测与分割,原图上进行交通标志识别的技术,从而大大减少了计算量,提升了系统效率和性能,为系统的实时性提供了有力保障。在交通标志识别过程中,针对交通标志固有的颜色特性,以及真实环境下外界不确定因素非常复杂的现状,提出了一种适用于交通标志的自适应阈值的二值化方法。针对交通标志固有的几何特性,可以将交通标志的识别问题归纳为图形的识别,为此提取了基于二值图的环投影特征及多尺度的全局特征用于交通标志的分类。最后,本文采用了基于多模板匹配的带有反馈机制的识别算法,在保证了系统运行的实时性的同时,大大提高了系统识别的正确率。通过大量实验数据以及真实环境下测试表明,本文设计的系统所采用的方法具有处理速度快、准确性高的特点,基本上可以满足实时处理的需求,实时地为无人驾驶汽车提供导航信息。