汽车照明系统为夜间车辆安全行驶保驾护航,在汽车驾驶安全方面发挥着重要作用。作为照明系统中重要组件之一,汽车远光灯可以提高视线,扩大观察视野,尤其在照明条件非常差的情况下,具有不可替代的功能。但是在会车和跟车时,远光灯的滥用,也会造成眩目,影响他人的视线,严重影响交通安全。随着LED灯具在汽车上安装使用越来越多,应用于LED大灯的自适应远光灯系统(Adaptive Driving Beam,ADB)也迅速发展,解决远光灯造成的眩目问题。自适应远光灯系统通过控制LED灯珠,能够在获得足够的观察视野同时,消除远光灯对前方车辆造成的眩目影响。此系统中最重要的部分是如何在夜间快速准确识别出前方车辆。本文针对应用于自适应远光灯系统的夜间车灯识别模块进行研究,研究内容如下:1)对自适应远光灯系统使用环境条件及夜间车辆成像特点进行分析,确定夜间车灯识别技术路线;结合相机成像原理及国家标准对于传感器安装要求以及车灯的安装高度要求,推导出前方汽车车灯在像素坐标系中的高度范围,划分车灯可能存在区域;2)分析多种数字图像噪声数学模型及其相应的降噪方法,根据实际实验中采集的图像设计相应的降噪算法,并通过实验验证降噪效果;3)分析多种聚类算法的优缺点,并根据车灯在图片中的特点,确定基于网格聚类算法的光源识别方法,设计网格聚类算法流程,并进行实验验证。4)针对尾灯成像特点,采用基于光晕颜色识别尾灯的方法,提出一种颜色计算数学模型,根据像素点统计特征,确定分割阈值。5)根据系统要求,选择合适的图像传感器和处理器,设计实验验证算法可行性,在实车上进行自适应远光灯系统功能演示。实验结果表明,本论文所提出的应用于自适应远光灯系统的夜间车灯识别方法能够准确识别出前方汽车大灯和尾灯,在嵌入式系统中能够保证实时性,满足实际使用要求,具有重要的实际意义,为将来的深入研究及优化提供了技术平台。