1.一种高速公路能见度检测系统，其特征在于，包括：

道路信息获取模块，所述道路信息获取模块用于获取高速公路的道路图像；

车道线检测与标注模块，所述车道线检测与标注模块用于通过车道线检测技术对所述道路图像进行处理，以获取所述道路图像中的车道线和车道线条数，并根据所述车道线计算出所述道路图像投影到仿射平面的仿射矩阵，同时标注所述道路图像中所述车道线的特征区域，并根据所述仿射矩阵计算出特征区域的实际距离，其中，标注所述道路图像中所述车道线的特征区域包括：标注所述道路图像中可见的最远两条所述车道线，并对下一条所述车道线进行预测和标注；

深度轮廓特征分析模块，所述深度轮廓特征分析模块用于通过深度轮廓特征分析技术对所述特征区域进行处理，以获得所述特征区域的能见度程度系数；

能见度计算模块，所述能见度计算模块用于根据所述车道线和所述车道线条数计算所述道路图像中车道线清晰区域的能见度，并根据所述实际距离和所述能见度程度系数计算所述道路图像中车道线模糊区域的能见度，具体通过下列公式计算所述道路图像中车道线模糊区域的能见度：，

其中， 为能见度程度系数， 为线性加权函数， 为特征区域的实际距离，为最大误差系数，β为定义气象能见度的对比阈值。

2.根据权利要求1所述的高速公路能见度检测系统，其特征在于，所述车道线检测技术包括边缘检测和多阈值处理。

3.根据权利要求1所述的高速公路能见度检测系统，其特征在于，所述深度轮廓特征分析模块包括基于深度学习神经网络训练的轮廓特征分析模型。

4.根据权利要求2所述的高速公路能见度检测系统，其特征在于，还包括信息管理模块，所述信息管理模块用于对所述高速公路的能见度进行等级划分，并根据所述等级进行预警。

5.一种高速公路能见度检测方法，其特征在于，包括：

获取高速公路的道路图像；

通过车道线检测技术对所述道路图像进行处理，以获取所述道路图像中的车道线和车道线条数；

根据所述车道线计算出所述道路图像投影到仿射平面的仿射矩阵；

标注所述道路图像中所述车道线的特征区域，并根据所述仿射矩阵计算出特征区域的实际距离，其中，标注所述道路图像中所述车道线的特征区域包括：标注所述道路图像中可见的最远两条所述车道线，并对下一条所述车道线进行预测和标注；

通过深度轮廓特征分析技术对所述特征区域进行处理，以获得所述特征区域的能见度程度系数；

根据所述车道线和所述车道线条数计算所述道路图像中车道线清晰区域的能见度，并根据所述实际距离和所述能见度程度系数计算所述道路图像中车道线模糊区域的能见度，具体通过下列公式计算所述道路图像中车道线模糊区域的能见度：，

其中， 为能见度程度系数， 为线性加权函数， 为特征区域的实际距离，为最大误差系数，β为定义气象能见度的对比阈值。

6.根据权利要求5所述的高速公路能见度检测方法，其特征在于，通过车道线检测技术对所述道路图像进行处理包括：对所述道路图像特征进行边缘检测和多阈值处理。

7.根据权利要求5所述的高速公路能见度检测方法，其特征在于，通过基于深度学习神经网络训练的轮廓特征分析模型对所述特征区域进行深度轮廓特征分析。

8.根据权利要求6所述的高速公路能见度检测方法，其特征在于，还包括：对所述高速公路的能见度进行等级划分，并根据所述等级进行预警。