随着人们对汽车安全性和舒适性的要求不断提高,辅助驾驶技术也得到了广泛的应用。汽车辅助驾驶系统不仅可以在很大程度上减轻驾驶员的精神负担,也能够规范驾驶行为、减少交通事故的发生。汽车辅助驾驶系统包括多个组成部分,本文对交通标志识别和车道检测两个关键技术环节展开研究,具体工作如下:1.针对Itti显著性模型应用于交通标志检测时出现的显著目标边界模糊、目标与背景对比度小、无法准确定位显著目标三个问题,结合交通标志的具体特点对Itti显著性模型进行了改进。通过对不同自然场景下的交通标志图像进行测试,验证了该方法的可行性。2.针对交通标志识别中的特征提取问题展开研究,使用了联合MBLBP算子与HOG算子的特征提取方法。通过在数据集上的测试,验证了这种特征提取法方法的优势,证明了这种多特征融合的方法可以弥补单一特征的不足,能够提取到对交通标志分类具有鉴别意义的特征。3.针对霍夫变换进行车道检测时运算开销较大的问题,本文使用了基于压缩感知的霍夫变换算法进行改进。由于霍夫变换域具有稀疏性,故可以利用维数远低于原始信号的测量向量进行重构从而确定直线参数。通过与霍夫变换车道检测方法的对比,基于压缩感知的霍夫变换在进行车道检测时可以重构出更加稀疏和干净的参数空间,对噪声具有鲁棒性,解决了霍夫变换计算开销大且耗时的问题。以上是针对辅助驾驶系统中交通标志识别和车道检测问题的研究,论文解决了 Itti显著性模型应用于自然场景中交通检测时出现的问题,实现了基于多特征融合的交通标志识别方法研究,并将霍夫变换和基于压缩感知理论的改进霍夫变换成功应用于车道检测,为今后的研究提供了理论基础。