近年来,雾霾天气下的交通事故率占总交通事故率的比重逐年上升,由于能见度的降低使得人们的出行活动无法顺利进行。特别地,低能见度使得自动驾驶汽车在高速公路上的行驶更是难上加难,因此,本文针对高速公路上自动驾驶汽车前方的雾霾能见度检测方法做了研究,主要研究内容如下:（1）针对现有雾霾能见度检测设备或方法难以实现实时动态检测的问题,研究了一种基于阈带分割的公路雾霾能见度动态检测方法。首先通过图像预处理,获取最大连通区域来判断“阈带”位置,并通过阈带计算梯度值;其次根据计算到的梯度值矩阵分析得到阈值并建立其与雾霾能见度值的关系,从而确定自动驾驶汽车前方是否存在雾霾并判断出雾霾能见度等级。仿真结果表明,该方法对于无干扰环境的公路能见度等级检测准确率达到了91.88%,单张图片平均检测时间为0.332s。（2）针对无干扰环境下传统方法对公路雾霾能见度等级动态检测准确率较低的问题,研究了一种改进的AlexNet网络,并将其应用于雾霾能见度等级检测中。首先将图像沿着垂直轴翻转并在水平和垂直方向移动30个像素单位进行数据增强,其次根据雾霾能见度等级将AlexNet网络中分类输出层神经元个数调整为5,并将最后一层全连接层中的权重和偏置的学习率调整为20,最后对初始学习速率等参数进行设置。仿真结果表明,改进的AlexNet网络对于无干扰环境的公路雾霾能见度等级检测的准确率达到了98.5%。（3）针对有干扰环境下的公路雾霾能见度等级动态检测准确率低的问题,研究了一种基于车辆信息检测雾霾能见度等级的方法。首先对干扰车辆进行区域检测,计算出车距,再利用WCK-Alexnet网络对其进行清晰度等级分类,最后建立车距、清晰度等级与雾霾能见度等级的数学关系,作为等级判断的依据。仿真结果表明,本方法对于有干扰环境下公路雾霾能见度等级检测的准确率提升了6.25%以上。