随着我国汽车保有量的不断增加,交通安全和道路压力日益成为人们亟待解决的问题。《中国制造2025》中提出的智能网联汽车可以很好地缓解交通安全问题。要让智能车辆在道路上安全行驶,本文以城市复杂道路环境为背景,对智能车辆交通信号识别技术及导航定位系统进行了研究,主要研究工作及成果如下。第一,应用机器学习算法对智能车辆前方交通信号灯灯框区域进行检测。首先,采集了大量实际道路环境中交通信号灯正、负样本;其次,统一样本尺寸,提取正、负样本的HOG特征,并分别训练了支持向量机和级联分类器;应用得到的支持向量机和级联分类器对道路交通信号灯进行检测,实现灯箱的定位,通过实验对两者识别性能进行了对比表明,得出HOG特征与支持向量机的交通灯灯箱检测方法整体效果好,准确率高达93.5%,平均耗时491ms,在十字路口时满足车辆行驶实时性要求;最后,通过颜色统计的方法实现交通灯的具体意义的识别。第二,通过优化K-means算法,对前方道路的禁令交通标志进行定位监测,利用SIFT算法实现了交通标志实际意义的识别。通过与其他算法进行对比表明,本文方法更优,准确率达到95%以上,平均耗时120ms,满足车辆行驶实时性要求。第三,开发了智能车辆定位系统。首先,针对INS-GPS传感器,采用串口通信方式,完成了对其数据采集、解析;其次,基于百度地图API,Visual Studio环境下,采用MFC框架,使用C/C++与JavaScript交互编程,设计、开发了智能车辆导航电子地图;最后,完成GPS/GIS处理的融合实现了车辆的实时定位。第四,对智能车辆现有的测控系统软件进行了功能优化更新。首先,把交通信号灯识别、禁令交通标志识别以及地图定位功能加入到系统中;然后,对系统功能进行整合优化,提高了系统的运算速度和稳定性,各模块之间的联合测试更为合理,为智能车辆实车实验的进行提供必要条件。