本研究提出了一种改进的道路表面缺陷分类方法，结合分割模型和对比学习，显著提升了分类性能并降低了计算成本。通过公共数据集验证了该方法的有效性，并探讨了多个数据集和技术，以提高自动驾驶的安全性和效率，包括恶劣天气下的性能分析和多模态数据生成方法。

确保交通安全至关重要，需要检测和防止道路表面缺陷。研究发现，基于图像的方法对天气和光照变化敏感。因此，研究者探索了使用激光扫描仪等附加传感器的方法，以提供深度信息，并探索了超出图像的数据的创新。综述回顾了道路表面缺陷检测研究，并评述了最近提出的非图像方法，讨论了相关挑战和待解决的问题。