无人驾驶技术是目前汽车领域的研究热点,路径规划是其核心技术之一。交通标志作为重要的交通指引设施,是交通系统中必不可少的一部分。为了完善现有交通标志指引路径规划方法,将无人车检测到的交通标志作为路径规划的约束条件,本文对遵守交通标志指示的路径规划方法展开深入的研究。本文主要研究内容如下:（1）提出融合深度可分离卷积、通道注意力机制和金字塔池化模块的YOLOv3-tiny交通标志检测网络,并引入EIo U交并比损失函数与K-means++聚类算法进行优化。改进的YOLOv3-tiny使用更轻量化的网络,充分利用多尺度特征信息,提高了算法在边缘设备进行交通标志检测的准确性与实时性,并使用自制交通标志数据集进行消融实验,验证了各个改进点的有效性。最后将本文改进的网络与其他几种常用算法进行对比实验,实验结果表明改进后的算法,提高了检测交通标志的准确率与实时性。（2）改进了一种基于自适应信息素浓度的蚁群算法,提出自适应信息素浓度和惩罚系数,改变信息素更新方式,加快算法收敛速度,避免局部最优问题。改进的算法通过无障碍剪枝与路径拟合,缩短距离并平滑路径。实验结果表明,改进的蚁群算法加快了收敛速度,避免了局部最优解问题,提高了全局寻优能力。（3）将融合了交通标志检测技术的路径规划算法,部署在无人车上进行实验。结合交通标志信息与障碍物信息,完善地图的构建。使用改进的蚁群算法规划出符合交通标志指示的路径,使无人车顺利完成起始点到目标点的行驶,通过实验验证了本文改进方法的有效性。