随着深度学习技术的不断发展，自动驾驶领域迎来了新的发展浪潮。交通标志的识别问题一直是自动驾驶领域的重要研究方向之一。我们采用深度学习方法对交通标志进行识别并在嵌入式设备上进行驾驶模拟，在嵌入式设备上进行模拟有利于进行多次实验调试，便于对模型进行设计、优化与部署，为将相关移植到真实场景下提供了设计思路。

我们首先使用智能小车的摄像头采集数据，手动标注数据集进行图像预处理，再根据嵌入式开发需求对
Yolo-Fastest 模型进行优化，并使用优化后的Yolo-Fastest模型对数据集进行训练。其次，我们完成了Jetbot ROS 智能小车在实际场地中的自主巡航，并调试仿真了小车在自主巡航中的多状态控制响应逻辑。最后，我们将网络模型部署在智能小车上，通过智能小车在自主巡航过程中获取的交通标志识别结果，将处理结果传递给后端响应决策层，以控制小车在实际场地中对交通标志的内容进行识别与响应。经过实际测试，我们的小车在具有交通标志的自主巡航实验中对于交通标志是的识别响应具有较好的表现。这为之后自动驾驶和交通标志识别的技术研发提供了优秀的案例，同时也为今后的实验教学提供了设计思路。