车道检测属于自动驾驶的环境感知模块，用于轨迹规划、车道偏离警告和车道保持。现有的深度学习模型在极端天气条件和弯曲道路上的性能会大打折扣。为此，本研究提出了具有跳跃连接卷积块机制车道线跳跃连接卷积机制（skip connection lane convolutional block mechanism, SL-CAM）车道检测模型。该方法包括残差跳跃连接编码器、卷积块注意力扩展模块和反卷积解码器。编码器提取输入图像特征，卷积块注意力扩展模块关注编码器从输入图像中提取的特征图的质量，解码器在不丢失原始图像任何信息的情况下提供输出。实验结果表明：在极端天气条件下和有缺陷的道路上，提出的方法在准确率、精确度、F₁分数、交并比（intersection over union, IoU）和Dice系数指标上均优于现有方法。