近年来,无人汽车发展如火如荼,其对于汽车行业甚至是交通运输业有着深远影响。但无人车应用于现实生活还有很长一段距离,尤其是在交叉路口交通场景中。在交通信号灯,车辆等复杂环境下如何安全行驶还是一个亟待解决的问题。所以,智能车在交叉口交通灯和车辆的快速准确识别检测具有重大意义和良好的应用发展前景。通过大量的图片采集,发现交通信号灯都在图片的上半部分内,而前方车辆均在图片下半部分。同时,为了防止过滤掉感兴趣区域,选取了一定的阈值对图像分割及分别处理。本文通过对不同彩色空间分析说明对比其优缺点,对交通灯采用基于YCb Cr色彩空间阈值分割法方法,并通过统计交通灯灰度直方图决定红黄绿颜色Cb、Cr通道阈值,同时为了防止过滤掉感兴趣区域在通道阈值选定后设置了误差。通过自适应阈值法对交通灯二值化处理,之后通过基本的开闭运算对二值化的图像进行处理,以便使图像更加平滑,图像块更有规则,并标注了连通区区域。统计不同距离交通信号灯面积,确定一个范围,在此范围外的可认为不是感兴趣区域。之后对开闭运算后的二值图像进行面积过滤处理消除掉部分区域,然后通过交通灯特有属性,经过圆形度过滤和长宽比特性过滤识别出感兴趣区域,并最后交通灯被黑色矩形框包围之一特性判断识别出的交通灯是都在该矩形框内定位出交通信号灯。对车辆感兴趣区域采用车底阴影有较低的灰度特性,故采用RGB颜色空间直接进行处理。对比分析了灰度化及二值化通用的方法,通过实验最终选择加权平均法和两次大津阈值法来初步处理图像。之后利用膨胀、腐蚀等基本形态学方法对二值化后的图像进行进一步处理过滤掉非感兴趣区域;然后对车底阴影面积进行统计并排除面积过大或过小的区域;利用车底阴影具有矩形度特征进一步过滤图片。之后根据车底阴影与车辆的位置属性初步确定车辆感兴趣区域,最后利用车辆具有对称性这一特征对车辆实现准确的定位。经过大量试验结果表明,本文使用的算法可以满足智能车在交叉路口识别出交通灯和前方车辆。