1.一种车辆智能导航方法，其特征在于，包括：获取目标车辆在自动导航行进过程中采集的视频流；从所述视频流中获得视频帧；通过色彩差异确定所述视频帧中符合路面交通标志颜色的区域；在确定的所述区域中利用形状特征筛选获得路面交通标志区域图像；获得所述路面交通标志区域图像的路面交通标志特征向量；利用训练好的路面交通标志分类模型对所述路面交通标志特征向量进行处理，预测所述路面交通标志区域图像所属的交通标志类别；根据预测的所述路面交通标志区域图像所属的交通标志类别，发送与其匹配的导航指令，以用于控制所述目标车辆的行驶；其中，在确定的所述区域中利用形状特征筛选获得路面交通标志区域图像，包括：获取所述区域的最小外接矩形；若所述最小外接矩形的长和宽均大于预设长度，且所述最小外接矩形的长宽比在预设比例范围内，根据所述区域的倾斜角度将所述区域旋转至水平，然后截取旋转后的所述区域作为路面交通标志区域图像；通过色彩差异确定所述视频帧中符合路面交通标志颜色的区域，包括：利用预定尺寸的模板扫描所述视频帧中的每一个像素；用各模板确定的邻域内像素的加权平均像素值替代各模板对应的中心像素点的值，获得去噪后的视频帧；将去噪后的视频帧的色彩格式由BGR图像格式转换为HSV图像格式；将去噪后的HSV图像格式的视频帧中处于预设色彩阈值范围内的像素点集合确定为符合路面交通标志颜色的区域。
2.根据权利要求1所述的方法，其特征在于，获得所述路面交通标志区域图像的路面交通标志特征向量，包括：确定所述路面交通标志区域图像中各个像素点对应的梯度幅值和梯度方向；根据所述各个像素点对应的梯度幅值和梯度方向，获得细胞单元的描述子，所述细胞单元包括第一数量的像素点；将所述细胞单元的描述子串联，获得方块单元的描述子，所述方块单元包括第二数量的细胞单元；将所述方块单元的描述子串联，获得所述路面交通标志区域图像的路面交通标志特征向量。
3.根据权利要求2所述的方法，其特征在于，确定所述路面交通标志区域图像中各个像素点对应的梯度幅值和梯度方向，包括：确定所述路面交通标志区域图像中各个像素点对应的水平方向梯度幅值和垂直方向梯度幅值；根据所述各个像素点对应的水平方向梯度幅值和垂直方向梯度幅值，确定所述各个像素点对应的梯度幅值和梯度方向。
4.根据权利要求1所述的方法，其特征在于，还包括：获取路面交通标志训练图像并设立类别标签；将所述路面交通标志训练图像转化为灰度图像，并将所述灰度图像缩放为预设大小；获得所述路面交通标志训练图像的交通标志训练特征向量；将所述路面交通标志训练图像的类别标签及其交通标志训练特征向量作为输入对所述路面交通标志分类模型进行训练。
5.根据权利要求4所述的方法，其特征在于，获取路面交通标志训练图像，包括：获取在多个位置和多个环境条件下拍摄的训练视频流；从所述训练视频流中获得训练视频帧；裁剪所述训练视频帧，获得所述路面交通标志训练图像。
6.一种车辆智能导航装置，其特征在于，包括：视频流获取模块，用于获取目标车辆在自动导航行进过程中采集的视频流；视频帧获得模块，用于从所述视频流中获得视频帧；区域确定模块，用于通过色彩差异确定所述视频帧中符合路面交通标志颜色的区域；路面交通标志区域图像获得模块，用于在确定的所述区域中利用形状特征筛选获得路面交通标志区域图像；特征向量获得模块，用于获得所述路面交通标志区域图像的路面交通标志特征向量；标志类别预测模块，用于利用训练好的路面交通标志分类模型对所述路面交通标志特征向量进行处理，预测所述路面交通标志区域图像所属的交通标志类别；指令发送模块，用于根据预测的所述路面交通标志区域图像所属的交通标志类别，发送与其匹配的导航指令，以用于控制所述目标车辆的行驶；其中，路面交通标志区域图像获得模块设置为：获取所述区域的最小外接矩形；若所述最小外接矩形的长和宽均大于预设长度，且所述最小外接矩形的长宽比在预设比例范围内，则将所述区域确定为所述路面交通标志区域图像；所述区域确定模块设置为：利用预定尺寸的模板扫描所述视频帧中的每一个像素；用各模板确定的邻域内像素的加权平均像素值替代各模板对应的中心像素点的值，获得去噪后的视频帧；将去噪后的视频帧的色彩格式由BGR图像格式转换为HSV图像格式；将去噪后的HSV图像格式的视频帧中处于预设色彩阈值范围内的像素点集合确定为符合路面交通标志颜色的区域。
7.一种电子设备，其特征在于，包括：至少一个处理器；存储装置，用于存储至少一个程序，当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1至5任一项所述的方法。
