路面抛洒物是高速公路巡检养护部门在日常巡检工作中主要巡检的内容之一。高速行车环境相对封闭,车速快、流量大,抛洒物的发生位置具有一定的随机性,容易对道路交通安全构成威胁,通常超车道内的抛洒物所带来的安全威胁要高于其他车道位置,因此针对不同车道下的各类抛洒物应当具有不同的排除响应程度。巡检作业中发现抛洒物的存在状态并及时采取排除措施,对保证行车安全、维护高速公路安全交通环境具有重要意义。当前抛洒物的巡检工作普遍采用了人工巡检的作业方式,然而,随着高速总里程的增加,基于人工的方法将逐渐无法适应未来巡检作业的需求。现有的研究正尝试使用自动化的检测方法实现路面抛洒物的快速检测,但还不能真正和实际巡检需求相结合,无法对当前的巡检工作提供实质性的参考指导。结合抛洒物检测需求,本文提出了一套基于双目立体视觉、融合了YOLOV5网络模型的路面抛洒物智能检测及里程定位方法,该方法能够实现高速公路环境下抛洒物的自动识别、对抛洒物进行水平路面的二维网格化定位、以及抛洒物面积大小的自动测量。实验数据来源于高速公路环境下采集的多源异构数据,该数据包含前景图像、景深图像、全球定位系统（GPS）和惯性测量单元（IMU）等传感器信息。研究内容包括:1)基于采集的道路前景图像构建抛洒物训练集,通过迁移学习的方法初始化网络结构的权重参数,改进神经网络模型训练策略,训练得到适用于高速场景下的抛洒物检测器模型;2)提出一种融合双目立体视觉和GPS的里程定位方法,用于沿路方向抛洒物的里程定位;3)提出一种车道线的聚类及车道划定方法,实现对抛洒物所处车道位置的判定,最终实现抛洒物在水平路面二维网格化定位;4)结合高速巡检作业的应用场景开发一套可用于高速路面抛洒物智能化巡检系统,用于抛洒物的自动检测。通过在福州福清市G15沈海高速2098公里至2079公里路段上的巡检测试,获得所有尺寸下的抛洒物检测精度及召回率分别为0.82、0.92,里程定位误差在6m范围内,车道定位准确率约为0.934,对实际场景下的抛洒物检测及巡检定位具有一定的应用价值。