车道线检测是当前自动驾驶最具挑战性的任务之一。由于自动驾驶任务场景的复杂性，极易出现车道线模糊或被遮挡的情况。而目前的车道线检测算法在学习全局信息的能力上存在缺陷，同时缺少对道路场景与车道线之间关系的利用。针对上述问题，构建了空间特征信息增强网络（Spatial Feature Information Enhancement Network,SFE-Net），并提出了上下文信息感知模块（Context Perception Module,CPM），对CNN提取的特征进行上下文信息以及跨尺度信息的增强，补充了丰富的语境信息。基于此，提出了空间特征增强模块（Spatial Feature Enhancement Module,SPEM），对道路场景以及车道线进行关系建模，有效捕获跨行和列的空间关系，同时对每个通道上的权重进行显式建模，突出每个通道的重要程度。通过实验对比，结果表明该空间特征信息增强网络（SFE-Net）能实现特征的空间信息增强，提高车道线检测精度，在获得良好的性能同时，解决车道线遮挡性问题。