近年来,随着科学技术和国民经济的迅速发展,人们的生活水平日益提高,汽车数量逐年增长,智能交通系统和高级驾驶辅助系统的研究越来越受到人们关注,无人驾驶成为主要的发展趋势。交通标志检测与识别系统是无人驾驶系统中一个重要的组成部分,通过对道路上交通标志的准确识别,将识别结果反馈给上层行车控制策略系统,车辆根据行车策略做出相应的反应,提高道路安全性,更好地辅助无人驾驶系统。因此,对交通标志检测与识别系统进行深入的研究,具有重要的理论意义和商业价值。此外,在复杂天气下,如:雨天情况下,交通标志检测与识别系统会因天气情况造成检测与识别成功率下降,而在实际生活中,雨雪天气又是不可避免的因素,因此非常具有实际应用价值。本文针对雨天情况下交通标志检测与识别问题展开研究。本文提出了一种面向智能网联汽车的雨天交通标志检测与识别算法,基于此算法设计了一种雨天交通标志检测与识别系统,通过对雨天交通标志进行预处理,基于优化自适应颜色阈值分割和形状特征检测,基于SVM支持向量机的识别分类实现了雨天交通检测与识别。本文所做的主要工作和创新点如下:(1)本文针对在现有公共数据集中没有雨天交通标志图像的问题,根据研究需要,搭建了雨天交通标志采集平台,通过该平台实车采集并建立了雨天交通标志检测数据库。数据库中包括雨天交通标志图像和非交通标志图像,每幅图像大小为864*480。(2)本文设计了一套基于图像修复的雨天交通标志图像去雨方法,根据雨滴的形态特征,采用Hough变换检测图像中的雨滴。根据图像修复的原理,将图像分解为结构子图和纹理子图,基于雨滴领域信息对结构和纹理子图进行修复,解决了图像采集过程中由于挡风玻璃上的雨滴对交通标志检测的影响,获得了较好的去雨滴图像。(3)本文提出了一种基于优化自适应阈值的雨天交通标志检测算法。传统基于不同颜色空间的阈值分割方法可以有效的分割出交通标志感兴趣区域。但是在雨天情况下,图像背景亮度不同、标志对比度下降,不易确定颜色阈值范围。针对该问题提出一种优化自适应颜色阈值方法:首先通过颜色增强方式,提高图像感兴趣区域对比度;然后对图像进行灰度化,统计图像灰度概率,计算不同灰度值下的累计分布并构建函数;最后通过概率密度和累积分布函数确定的自适应阈值对图像进行颜色阈值分割,获得含有感兴趣区域的图像。利用交通标志的几何特征对图像进行精确检测。通过实验,算法在雨天交通标志数据集中检测率为81.46%,一系列实验验证了该算法的可行性。(4)本文设计了基于SVM支持向量机的交通标志识别算法。介绍了HOG特征和Gabor特征以及特征提取过程。根据SVM支持向量机分类的原理,设计并训练了基于单特征和融合特征的SVM分类器,通过实验获得最优的特征向量维度,根据最优参数训练支持向量机,并且在自建的数据库和公共数据集中进行了验证,识别率分别为92.19%和98.16%,得到了基于多特征融合SVM分类器具有较高的分类识别率的结论,证明了融合特征的有效性。综上,本文对雨天交通标志检测与识别算法进行了研究,搭建了交通标志采集平台,提出了从图像预处理到标志检测与识别的完整算法,在数据集中进行了验证,实现了雨天交通标志的检测与识别。