La visibilidad reducida causada por el clima neblinoso tiene un impacto significativo en los sistemas de transporte y la seguridad vial, lo que lleva a un aumento en los riesgos de accidentes y a una disminución de la eficiencia operativa. Los métodos tradicionales dependen de instrumentos físicos costosos, lo que limita su escalabilidad. Para abordar este desafío de manera rentable, proponemos una red de dos etapas para la estimación de visibilidad a partir de entradas de imágenes estéreo. La primera etapa calcula la profundidad de la escena mediante emparejamiento estéreo, mientras que la segunda etapa fusiona la información de profundidad y textura para estimar la visibilidad a escala métrica. Nuestro método produce mapas de visibilidad a nivel de píxel a través de una estrategia de supervisión progresiva y físicamente restringida, proporcionando ricas distribuciones de visibilidad espacial más allá de un solo valor global. Además, permite la detección de niebla dispersa, lo que permite una comprensión más completa de las condiciones atmosféricas complejas. Para facilitar el entrenamiento y la evaluación, proponemos un pipeline automático de generación de datos consciente de la niebla que incorpora tanto imágenes neblinosas renderizadas sintéticamente como capturas del mundo real. Además, construimos un conjunto de datos a gran escala que abarca diversos escenarios. Experimentos extensos demuestran que nuestro método logra un rendimiento de vanguardia tanto en la estimación de visibilidad como en la detección de niebla dispersa.