随着我国经济的不断发展,科技的不断进步,国民生活水平的日益提高,在汽车行业蓬勃发展的同时,对于汽车的安全性和智能性也提出了新的要求。在这样的环境下,无人驾驶汽车作为一种解决问题的方案,为整个行业带来了机遇和挑战,而无人驾驶汽车技术中的十分关键一环就是对交通标志标线的识别。本文首先研究了目前的图像处理技术,随后设计了一套完整的交通标志识别方案,对数据库图像中四十三类不同交通标志图像进行定位分类。方案具体为首先对预处理后的图像进行阈值处理,随后对图像进行相关形态学操作完成交通标志的粗定位。同时本文根据对交通标志特征的研究,提出了六个对候选区域进一步筛选的特征描述子,然后结合图像的HOG特征与Haar-like特征作为输入向量,训练支持向量机对当前图像是否包含交通标志进行判别,最后使用卷积神经网络模型对交通标志进行分类,最终得到超过百分之八十的分类正确率。本文研究并实现了霍夫变换对交通标线的识别算法,同时提出了一种改进的随机抽样一致算法对交通标线进行识别,具体通过对每一帧交通标线所在区域进行跟踪,同时对拟合模型参数进行限制,设计实验方案进行验证,最终得到的实验结果表明,与霍夫变换算法相比,得到了更高的准确率和识别速度。