车辆的辅助及自动驾驶系统是车辆智能化的一项基础研究内容,而道路标识线和道路标识识别是其中关键性的部分。在实际生活中,像港口这类区域有大量的运货需求,由于此区域车辆较为密集,可能使视野受限,造成交通事故。故在此本文结合实际工程的需要,以运货车、无轨电车、智能物流运行载具等这些特殊应用场景对辅助驾驶中的关键标识的识别进行了研究。本文利用摄像机拍摄前方道路情况,通过图像预处理、图像处理等方法对道路中心线进行检测和提取,同时对道路标识进行检测定位,分割出道路标识的区域,最后通过卷积神经网络对道路上标识进行识别。本文主要的研究内容如下:(1)首先介绍了道路标识线和道路标识的研究现状,随后分析了目前研究方法理论,设计了在特定场景下道路关键标识的模型,最终提出本文的总体设计方案。(2)随后开始对图像进行预处理操作,首先建立起摄像机模型并对其进行标定。然后使用逆透视变换技术将拍摄的图像转换成鸟瞰图,最后进行普通的图像预处理技术以消除外界影响。(3)待图像预处理完后,对直线的检测算法进行了分析比对,决定利用概率霍夫运算对道路中心线直线进行检测,最后对中心线进行了拟合。(4)对现有的圆形检测算法进行对比分析,最终决定使用轮廓及最小包围圆算法对道路标识的形状特征进行了检测,分割定位出标识所在的位置。(5)介绍卷积神经网络和反向传播算法,对VGG模型、ResNet模型、Densenet模型进行介绍及分析,调整网络参数达到理想分类效果,最后通过实验进行对比其应用于道路标识识别的性能和正确率。