交通标志的检测和识别近年来引起了学术界和产业界的兴趣,一些简单版式的交通标志(如限速标志)的识别已经有产品投入使用,而对于复杂版式交通标志的研究还处于初期阶段。高速公路指路标志中包含了大量的道路信息,对于车辆辅助定位、岔路和匝道分析等方面有着积极的意义。这类标志的版式复杂,一个标志面板上可能存在多个子区域,内容包含汉字、字母、数字、指路符号、各类图形等。本文基于智能车平台,着重研究高速公路指路标志面板的检测方法以及面板中信息的分割方法。高速公路指路标志中的颜色以绿色和白色为主,并且面板一般比较大,针对这些特征,本文提出了基于颜色和几何特征的面板检测方法,通过结合RGB和HSV两种颜色空间进行候选区域的分割,然后通过形态学和连通域的几何特征进行噪声过滤。该方法在较好的保证实时性的情况下检测出高速公路指路标志面板区域。高速公路指路标志面板的版式复杂,存在多种类型的子区域,因此本文首先分割面板中的子区域,然后针对子区域的不同类型采用不同的子区域字符分割方法。本文提出了基于多级投影算法的面板中子区域分割方法,首先采用局部OTSU和颜色特征对面板图像进行二值化;然后基于霍夫变换检测面板边框并进行倾斜矫正;接着通过垂直和水平方向上的多级投影得到面板中包含字符和符号的图像块;最后根据面板规则将图像块进行合并得到面板中子区域。为了尽可能滤除伪目标,本文设计了基于HOG和LBP特征的SVM分类器,通过分类的方法实现伪目标子区域去除,保留感兴趣的公路编号、汉字地名、方向指示、距离信息四类子区域。面板中四类子区域区别较大,统一的字符分割方法较为复杂,因此本文提出自适应的子区域字符分割方法。首先通过卷积神经网络进行子区域的预分类,得到每个子区域的类型;然后通过自适应投影分割算法将四类不同子区域的字符或符号分割开。最后,本文给出了基于智能车的高速公路指路标志检测和分割的实验结果和分析。真实场景的实验结果表明,本文方法取得了较好的实验结果,面板检测的准确率为97.24%,查全率为98.27%;面板中子区域分割的准确率为97.11%,查全率为90.65%;子区域中字符和符号分割的准确率为95.83%。