في هذا البحث، نقترح شبكة متعددة المهام قابلة للتدريب من النهاية إلى النهاية بشكل موحد، تتعامل مع كشف وتمييز خطوط الطريق والعلامات الطرقية بمساعدة نقطة الزوال في ظروف الطقس السيئة. نعالج ظروف الأمطار والإضاءة المنخفضة، والتي لم يتم دراستها بشكل كبير حتى الآن بسبب التحديات الواضحة. على سبيل المثال، الصور التي تم التقاطها في الأيام الممطرة تكون عرضة للإضاءة المنخفضة، بينما تسبب الطرق الرطبة انعكاس الضوء وتشوّه مظهر خطوط الطريق والعلامات الطرقية. ليلاً، يحدث تشويه الألوان تحت الإضاءة المحدودة. نتيجة لذلك، لا يوجد مجموعة بيانات مرجعية ولا تعمل سوى عدد قليل من الخوارزميات المتقدمة في ظروف الطقس السيئة. لمعالجة هذا القصور، نقوم بإنشاء مجموعة بيانات مرجعية لخطوط الطريق والعلامات الطرقية تتكون من حوالي 20,000 صورة تضم 17 فئة من خطوط الطريق والعلامات الطرقية تحت أربع سيناريوهات مختلفة: عدم وجود أمطار، أمطار خفيفة، أمطار غزيرة، وليلاً. ندرب ونقيم عدة إصدارات من الشبكة المتعددة المهام المقترحة ونؤكد أهمية كل مهمة. يتيح النهج الناتج، المعروف باسم VPGNet (شبكة نقطة الزوال)، كشف وتصنيف خطوط الطريق والعلامات الطرقية وتوقع نقطة الزوال في عملية مرور واحدة فقط. تظهر النتائج التجريبية أن نهجنا يحقق دقة عالية ومتانة تحت مختلف الظروف وفي الوقت الفعلي (20 إطارًا في الثانية). ستكون مجموعة البيانات المرجعية ونموذج VPGNet متاحين للجمهور.