1.一种基于车道线检测的自适应前照灯转向控制算法，其特征在于，包括以下步骤：(1)图像预处理，包括感兴趣区域划分、线性灰度处理及基于改进的大津算法的图像二值化，其中，感兴趣区域划分办法为：把获取到的图像从上至下分为三个横向区域：天空区、远视野区和近视野区，其中，天空区高度为图像高度的二分之一，远视野区和近视野区高度均为图像高度的四分之一，设定图像底部的远视野区和近视野区为感兴趣区域；

(2)采用改进的Hough变换算法对车道线进行检测，具体检测方法为：

1)根据车道线约束区域，确定极径ρ和极角θ的搜索范围，分别在其最大值和最小值之间建立一个离散的参数空间；

2)建立一个二维数组的累加器N(ρ,θ)，并给数组中每个元素赋初值为0；

3)对预处理后的图像上的每一边缘点作Hough变换(图像二值化后灰度值为1的像素点)，计算出该点在(ρ,θ)坐标系上的对应曲线，并在相应的累加器上加1；

4)找出对应(x,y)坐标系上共线点的累加器的局部极大值，该累加器提供了(x,y)坐标平面上共线点直线的参数(ρ0,θ0)，将(ρ0,θ0)代入ρ0＝x cosθ0+y sinθ0中，便可得到该车道线的直线方程；

(3)弯道拟合及曲率半径计算：首先，基于扫描迭代的弯道特征点选取方法为：

1)将步骤(2)中检测出的直线车道线与近视野区域上边界的交点，定为初始特征点Px,y；

2)基于初始特征点Px,y，使用一个3*2大小的窗口对图像进行扫描，窗口的坐标为

3)将窗口中灰度值最高的像素点设定为弯道特征点，并将该点作为下一次扫描的初始特征点，即：

4)重复2)与3)，直至到达远视野区的边界，或P点与消失点重合，扫描结束；

其次，基于CatMull‑Rom样条曲线的车道线填充:完成扫描迭代算法后，得到若干个孤立的弯道特征点，使用CatMull‑Rom样条曲线对这些特征点进行曲线拟合，CatMull‑Rom样条曲线方程如下：其中，t为[0,1]之间的系数，Pt‑1、Pt、Pt+1、Pt+2分别为四个特征点的坐标，上式求解拟合得出的样条曲线是Pt点到Pt+1点间的曲线，弯道拟合过程如下：

1)令所有弯道特征点从下至上分别为P1,P2,P3,...Pn，其中n表示弯道特征点的个数；

2)t赋初值为2；

3)取Pt‑1、Pt、Pt+1、Pt+2分别为四个特征点，带入CatMull‑Rom样条曲线方程中，求取曲线函数；

4)t自增1；

5)重复3)与4)，直到t＝n时，退出循环，此时已经对所有弯道特征点进行了遍历，曲线拟合完成；

最后，计算弯道曲率半径：

假设路面坡度很小，则路面上每个点的Y坐标相等，根据摄像机成像规律，空间内任意一点P的世界坐标(X,Y,Z)与图像坐标(x,y)，均满足以下转换关系：其中，H为摄像机光心的垂直高度，f为摄像机焦距，拟合好的曲线车道线上任取四组点，每组三个点，完成上述坐标变化后，带入公式：其中，(a,b)为弯道圆心，R为对应的曲率半径，假设对应每一组点得到的曲率半径为R1,R2,R3和R4，为了防止得到的四个半径值中有异常值，对后续曲率半径的确定形成较大误差，使用以下方法检测并剔除异常值：取四个半径值的最小值Rmin，并计算其余三个值的平均值 若 则认定该最小值为异常值，并剔除该异常值。类似的，取四个半径值的最大值Rmax，并计算其余三个值的平均值 若

则认定该最大值为异常值，并剔除该异常值，排除四组曲率半径中的异常值后，对在误差范围内的曲率半径取平均，即可得到弯道的曲率半径

(4)根据停车视距及弯道照明距离与曲率半径的几何关系，建立前照灯角度调整模型并求解，停车视距的计算公式为：其中，S为停车视距，v为行驶速度，t为驾驶员反应时间，μ为路面与轮胎间的摩擦系数，S0为安全距离，

由弯道照明距离和转弯半径的几何关系可知：其中，为前照灯的水平转角。综合上述两式可得：明暗截止线弯曲肘部不得与离车辆前面的距离为相应近光灯安装高度100倍的车辆重心轨迹相交，即：

其中， 即为前照灯最大调整角度，H为前照灯基准中心高度。

2.根据权利要求1所述的一种基于车道线检测的自适应前照灯转向控制算法，其特征在于，步骤(2)中的车道线检测在感兴趣区域中的近视野区域进行。

3.根据权利要求1所述的一种基于车道线检测的自适应前照灯转向控制算法，其特征在于，步骤(3)中的弯道拟合及曲率半径计算均在感兴趣区域中的远视野区域进行。