在缩微交通环境下研究基于视觉信息的智能车自动驾驶模拟方法,既能解决真实交通环境下的智能车实验占地面积大、车辆改装成本高的问题,又能解决软件仿真实验难以准确模拟真实交通环境的问题。本文在缩微交通环境下开展了交通指示标志识别的研究。首先采用分层平台处理的设计模式,将缩微车控制和数据处理分开,提高了控制的准确性和实时性。上位机采集和分析处理交通标志信息,传递给下位机,下位机根据控制信号控制车体的转向和行进。在控制系统研究中,采用增量式PID和位置式PID算法分别实现对速度和转向的控制。其次在指示标志检测与识别的研究中,采用基于颜色和形状相结合的检测算法。在颜色粗分割阶段,首先使用直方图均衡化方法来提高目标图像的对比度,然后对比分析三种基于颜色空间的阈值分割算法,选择效果最佳的HSI阈值分割算法。在形状细分割阶段,首先对得到的二值图像预处理（包括滤波、形态学处理和填充等操作）,然后对处理后的图像轮廓检测,通过限制宽高比和像素面积初步去除噪声,之后通过无效像素面积约束算法再次去除非感兴趣区域,最后使用圆形度算法得到最终的感兴趣区域。随后提出了一种改进的MBLBP+HOG+PCA特征提取算法,并验证其在识别率、误识别率、训练时间和检测时间方面上的优越性。然后采用One-Against-One SVM多分类器结构对指示标志进行识别,从而确定指示标志的准确信息。最后在缩微交通平台上完成了缩微智能车的指示标志识别实验。实验结果表明,缩微智能车能够在缩微交通环境中准确识别指示标志的类别并执行相应的动作。