无人驾驶是智能车辆领域的重要研究热点之一,而交通标志识别是无人驾驶的关键环节。本文针对禁令、警告和指示三类交通标志,共分为15种,分别运用支持向量机和卷积神经网络的方法对交通标志的识别进行研究,通过训练得到交通标志识别模型,并设计实现了交通标志识别系统。本文的主要工作内容如下:1.对交通标志图像进行预处理、分割以及定位。首先采用灰度化、直方图均衡化、滤波对交通标志进行预处理,然后选择基于Lab颜色空间k均值聚类法对其分割,最后基于三类交通标志的形状特征完成交通标志的定位。2.实现了基于特征串行融合和支持向量机的交通标志识别。分别提取交通标志的HOG特征和Gist特征,通过串行融合的方式将两种特征组合在一起,利用SVM训练得到交通标志识别模型。该模型的平均识别正确率为85.3%。3.实现了基于卷积神经网络微调的交通标志识别。微调ResNet50网络模型,使其输出节点对应15种交通标志,重新训练最后一层,得到交通标志识别模型。该模型的平均识别正确率为94.4%。4.无人驾驶中的交通标志识别系统的设计与实现。该系统实现了交通标志的预处理、分割和定位及识别等功能。本文给出了系统的运行结果,在此基础上分析了系统的优缺点。