随着国家经济的发展,我国汽车保有量的持续增长,道路交通环境逐渐复杂化,道路交通安全问题也日益突出。为有效缓解交通压力,降低交通事故的发生,辅助驾驶技术成为了当前智能车辆的一个研究热点。汽车安全驾驶辅助系统由很多部分组成,本文主要是针对其中车道线检测和交通标志识别两个关键技术进行研究,具体工作如下:1针对车道线在道路交通场景中易受到光线变化影响的问题,利用图像在不同颜色空间中组成分量不同的特点,将图像从RGB颜色空间分别转化为HSV、HLS颜色空间,并结合Sobel算子和全局阈值法增强图像的梯度特征,获得最终的二值图像。2针对传统Hough变换方法不能检测弯曲车道的问题,使用双向窗口寻找车道线的特征点,并采用二阶多项式拟合特征点。首先通过观察二值图像的像素分布直方图可以看出,直方图左右两部分像素的峰值点分别对应于左右车道线的起点;接着分别以左右车道线的起点为矩形下边线的中点画矩形窗口,并计算窗口中像素点横坐标的平均值;然后以该平均值所在的列与该矩形窗口的上边线的交点为下一个矩形窗口下边线的中点,如此反复搜索,直到矩形窗口到达图像的上边界,最后使用二阶多项式拟合车道像素特征点。3针对交通标志识别,首先对训练网络的数据集进行尺寸归一化和直方图增强预处理,然后利用预处理后的GTSRB数据集训练改进的LeNet-5卷积神经网络。结果表明,网络的准确度可提高到97.5%以上,测试的准确度可提高到95.3%。4利用采集的道路图像数据进行实验,验证了本文提出的车道线检测算法的准确性、适用性和抗干扰性,交通标志识别的适用性和准确性。