摘要：随着我国高速公路总里程的迅猛增加,由团雾引发的交通事故也不断增多。团雾形成突然、范围小、分布随机性高,难以被气象预报所检测,且其浓度通常较高,严重影响了道路安全。传统的团雾检测方法多依托无线传感器、激光器等建立监测站,存在技术繁琐、实施困难、经济性差等缺点。为解决上述问题,论文提出了一种基于深度学习的高速公路团雾检测方法,以高速公路监控为依托,快速检测团雾等级,可以大大降低团雾检测成本。该检测方法以道路监控图像为输入,首先通过车道线分割网络得到二值化的车道线特征,并设计了浓雾区分割网络分支提取浓雾特征;然后综合可见车道线特征、浓雾区域特征、路面梯度特征输入至特征融合网络训练得到出路面水平可见距离,进而预测出路面团雾等级。实验结果表明,论文提出的快速团雾检测方法能够通过路面监控图像预测团雾等级,在复杂的团雾道路环境下具有较高的准确性和鲁棒性。