道路行车环境的实时感知是车辆无人驾驶的核心科学问题之一,而动态场景中交通标志的实时检测与识别则是感知行车环境的重中之重。本文围绕交通标志实时检测与识别算法展开研究,针对不同的天气、光线、角度、位置、背景下的交通标志图像,设计并实现了一个识别率高、实时性好、鲁棒性强的交通标志实时检测与识别系统。具体研究工作如下：1.提出了一种融合的交通标志识别算法。该算法在获取输入图像的感兴趣区域及其颜色与形状类别的前提下,通过对比分析二维主成分分析法(Two-Dimensional Principal Component Analysis,2DPCA)、Gabor/2DPCA、交通标志内部图形提取这三种特征提取算法各自的优缺点,提出切合本研究课题的特征提取方式。该算法分两步实现了对交通标志的实时识别,首先通过Gabor/2DPCA特征+欧氏距离进行一次识别,然后利用内部图形特征+欧氏距离进行二次识别。实验结果表明：此融合算法提高了系统正确判断交通标志的能力,降低了系统的误识别率,增加了系统判决结果的可信性。2.提出了一种自动获取样本库的算法,该算法自动挑选最大类内距离的样本,减少了样本数量,使样本更具代表性,并克服了人工选库的随机性。3.设计并实现了交通标志实时检测与识别系统,综合评估了系统的性能。实验结果表明,该系统的平均识别率达到96.85%,单帧平均处理时间58.38ms,具有准确性高、实时性好及鲁棒性强等特点。