路况检测是智能驾驶中的一项核心任务,其中包含限高检测任务.鉴于学术界中与限高检测相关的研究还不够成熟,文章对限高检测方法进行了研究,提出基于关键点和多帧图像特征融合的限高检测网络.将关键点思想引入限高检测任务,减少不必要的预测,提升检测效率;引入卷积门控循环单元(ConvGRU)对多帧图像进行建模,学习多帧图像之间的上下文关系,提升召回率,降低漏检率;提出空间细节特征(spatial　particulars　feature,SPF)模块,加强解码层的多尺度特征融合;引入坐标注意力机制,进一步关注目标检测区域,提升模型的查准率.实验结果表明:该网络不仅能够很好地完成限高检测任务,并且相比于BiSeNet、PINet、PSPNet等其他先进网络,能够更好地平衡查准率与召回率,拥有更高的F1值和较少的参数量;同时对于车道线检测任务,在精度与漏检率方面也表现优异,进一步证明了该网络的有效性.