机载Lidar点云城市地区建筑物精细提取.pdf

———文章编号：１００９４５３９（２０１８）１１０１２３０６・其他・机载Ｌｉｄａｒ点云城市地区建筑物精细提取夏艳军（中铁第四勘察设计院集团有限公司湖北武汉４３００６３）摘要：目前从Ｌｉｄａｒ点云快速准确提取建筑物信息是数字城市的重要基础数据。本文首先给出机栽Ｌｉｄａｒ点云城市地区建筑物精细提取方法，然后对算法的各个参数的影响进行分析；最后基于实际的不同国家城市地区机栽Ｉｊ－ｄａｒ点云对算法性能进行了测试。实验结果表明该方法能有效完成城市地区建筑物点云的精细提取。实际城区建筑物提取实验中，１７２个建筑物顶面的提取精度的均值为９２％。关键词：Ｌｉｄａｒ点云建筑提取精度中图分类号：ＴＮ９５９．７３；ＴＵｌ９８文献标识码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００９－４５３９．２０１８．１１．０３０ＵｒｂａｎＢｕｉｌｄｉｎｇＦｉｎｅＥｘｔｒａｃｔｉｏｎｆｒｏｍＡｅｒｉａｌＬｉｄａｒＰｏｉｎｔＣｌｏｕｄＸｉａＹａｎｊｕｎ（ＣｈｉｎａＲａｉｌｗａｙＳｉｙｕａｎＳｕｒｖｅｙａｎｄＤｅｓｉｇｎＧｒｏｕｐＣｏ．Ｌｔｄ．，ＷｕｈａｎＨｕｂｅｉ４３００６３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅｂｕｉｌｄｉｎｇｅｘｔｒａｃｔｅｄｆｒｏｍａｅｒｉａｌＬｉｄａｒｐｏｉｎｔｃｌｏｕｄｉｓｏｎｅｏｆｉｍｐｏｒｔａｎｔｄａｔａｓｏｕｒｃｅｆｏｒｔｈｅｄｉｓｔａｌｃｉｔｙ．Ｔｈｉｓｐａｐｅｒｆｉｒｓｔｉｎｔｒｏｄｕｃｅｄｔｈｅｂｕｉｌｄｉｎｇｆｉｎｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄ，ａｎｄｔｈｅｎａｎａｌｙｚｅｄｔｈｅａｆｆｅｃｔｉｏｎｏｆｉｔｓｐａｒａｍｅｔｅｒｓｏｎｔｈｅｐｒｅｃｉｓｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｗａｓｔｅｓｔｅｄｂｙｒｅａｌａｅｒｉａｌＬｉｄａｒｐｏｉｎｔｃｌｏｕｄｏｂｔａｉｎｅｄｉｎｕｒｂａｎａｌ＇ｅａｏｆｄｉｆｆｅｒｅｎｔｃｏｕｎｔｒｉｅｓ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄＣａｎｅｘｔｒａｃｔａｌｍｏｓｔａｌｌｂｕｉｌｄｉｎｇｃｏｒｒｅｃｔｌｙ，ａｎｄｔｈｅａｖｅｒａｇｅａｃｃｕｒａｃｙｉｓａｂｏｕｔ９２％ｏｆ１７２ｅｘｔｒａｃｔｅｄｂｕｉｌｄｉｎｇｓ．Ｋｅｙｗｏｒｄｓ：Ｌｉｄａｒｐｏｉｎｔｃｌｏｕｄ；ｂｕｉｌｄｉｎｇｅｘｔｒａｃｔｉｏｎ；ｐｒｅｃｉｓｉｏｎ１引言建筑物三维信息在车辆导航、灾害应急与评…估、能源和财产管理、铁路建设、城市发展与规划等各种领域都发挥着至关重要的作用，如何生成可靠准确的建筑物三维模型是建筑物三维重建领域研究的热点与难点。激光雷达测量技术集激光测距技术、计算机技术和惯性测量单元（ＩＭＵ）／ＤＧＰＳ差分定位技术于一体。利用激光雷达测量技术可以获取高时空分辨率地球空间信息，从而实现建筑物测量和检测心Ｊ。从激光雷达扫描数据中准确提取建筑物点云，是基于Ｌｉｄａｒ点云的建筑物三维重建的首要任务。基于激光点云提取建筑主要有监督学习方法——收稿日期：２０１８０９０５作者简介：夏艳军（１９７３一），男，高级工程师，主要从事精密工程测量和三维激光扫描应用研究。和非监督学习方法两类。监督学习方法通过选取样本训练分类器，算法较为复杂，并且样本的选择对算法结果影响很大，不太适合快速提取大规模城∞市建筑。非监督学习方法有基于区域增长。１的算法和基于随机采用一致性（ＲＡＮＳＣ）的算法，都是假定建筑物各个顶面均为平面或近似连续曲面，来完成各个顶面提取，然后根据空间拓扑关系来融合各个顶面，得到完整的建筑物点云。本文对通过多个不同国家的实测机载点云对这两类方法进行了对比分析，探讨了基于区域增长算法各个参数合理参数取值。２基于区域增长算法的建筑自动提取方法考虑到城市地区建筑物顶面大多数都是平面，因此首先从点云中将平面提取出来。平面分割最常用‘‘的三类方法是区域增长５｜、模型拟合６。７１、特征聚铁道建筑技术ＲＡＩＬＷＡＹＣＯＮＳＴＲＵＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹ２０１８１１１１万方数据・其他・类旧ｑ１。区域增长方法由于具有方法流程简洁，速度拟合平面方程厶（石，ｙ，ｚ）。较快等优点，因此选用该算法进行点云平面分隔。基（３）如果超过９５％的点到该平面五（戈，ｙ，二）的于区域增长的屋顶面提取过程具体步骤如下：距离小于阈值ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ，则判定为满足初始平（１）原始Ｌｉｄａｒ点云进行剔除粗差点等预处理。面条件，否则判定为不满足初始平面条件。（２）选定初始种子面，并将包含的点作为种子考虑到参与拟合初始平面的点数较少，所以阈点集。值ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ要小于生长过程中点到平面的判①选定任一不属于任何平面的点Ｐ；断阈值Ｄｉｓｔａｎｃｅ。②以点Ｐ为中心，半径为ＢｕｆｆｅｒＷｉｄｔｈ的邻域内在生长过程中，还有一个关键问题就是面片竞的点作为初始种子点集。如果初始种子集满足平争。对位于两个屋顶面相交区域的点，可能同时满面条件，则作为建筑顶面初始种子面，将其中各个足两个相邻屋顶面的条件，此时就出现一个点同时点的ＩＤ设置为该面片ＩＤ，生成初始平面方程：属于两个平面的情况。对于这个情况就不再考虑ｆｏ（ｘ，Ｙ，石）＝Ａｘ＋曰ｙ＋＆＋Ｄ（１）阈值，而是以该点距离两个平面的距离大小来做判③②否则，选择另一个不属于任何平面的点Ｐ，转，断，将其归入距离较小的那个面。直到确定一个合适的初始种子面为止。在建筑物顶面提取完成之后，属于同一栋建筑（３）以种子点集为基础，在其周围建立宽度为物的各个顶面之间投影到平面之后总是相邻的；而Ｂｕｆｆｅｒｗｉｄｔｈ的缓冲区，对缓冲区内的点逐个进行判属于不同建筑物的顶面距离则非常远。根据这个断是否属于本平面：面片的空间拓扑关系，利用邻接性分析算法，可以①如果该缓冲区内的点ｑ距离平面矗（菇，ｙ，ｚ）将同一栋建筑物的所有屋顶面片组合起来得到完的距离大于阈值Ｄｉｓｔａｎｃｅ，则排除；整的建筑物屋顶面。②否则．如果点ｑ不属于已经其他的平面．则该点属于本平面；如果点ｇ已经属于某个其他的平面，３算法参数的影响分析则按面片竞争处理原则来确定该点是否属于本平面。３．１试验数据（４）对于属于本平面的点，将其ＩＤ修改为本面为使实验结果具有代表性，选择了荷兰、德国片ＩＤ；当加入点数超过一定数量后，用本平面内的和美国三个国家不同地区机载Ｌｉｄａｒ点云数据，分所有点重新拟合并更新平面方程五（戈，Ｙ，彳）；所有新别以Ａ、Ｂ、Ｃ为代号。每个不同的数据源分别选取加入的点作为新的种子点集，转（３）；如无新点加入４组建筑数据源（见图１）。试验区Ａ、Ｂ、Ｃ点云数据该平面，则该平面完成，则转（２）建立下一个平面。的点密度分别为８．１０、７．７２、４．０１ｐｔｓ／ｍｚ、点云中任意（５）对所有的平面按如下规则进行筛选，排除两相邻点平面距离分别约为０．４。０．６，０．２～０．４，０．３非屋顶面的平面，得到屋顶面集合。～０．５ｍ。①平面最低处高程高于地面某一个值，以排除３．２评价指标地面和低矮植被；对提取结果进行评价时采用准确率、完整性和②包含的点数大于设定的阈值，以排除位于树‘Ｆ值等三个指标１０－１２１来对结果进行定量分析和木等部位的伪平面和各类离散点。比较。由于初始平面对于该方法而言非常重要，因此（１）准确率（Ｐｒｅ。ｉｓｉ。ｎ），最终所得面片结果中实对初始种子点集是否为平面进行判断，具体判断方际面片的比例：法如下．，ｆＤ…，…（１）为防止在已有平面内再次生成平面，造成尸ｒｅｃｍｏｎ２一ｔｐ＋×ｌｕｕ％（２）．ｆｐ重复平面的问题。首先排除缓冲区内已经属于其（２）完整性（Ｒｅｃ口ｆｆ），实际面片被成功提取的他任何平面的点。比例：不满蹴黑瓣芸需麓嚣嚣并喜黧胁趔＝赤ｔｐ舢。％㈩不满足初始平面条件；否则，以缓冲区内的所有点……。……＋咖。…７１２４铁道建笳技术ＲＡＩＬＷＡＹＣＯＮＳＴＲＵＣＴ／ＯＮＴＥＣＨＮＯＬＯＧＹ２０１８ｆ＂Ｊ万方数据・其他・告莹ｊ号厦４Ｃ．试验区Ｃ图１试验区数据（３）Ｆ值（Ｆｓｃｏｒｅ），是前述二者的调和均值，可以用作算法准确率的一个总体评价。Ｆ＝髦急渊１００％ｓｃｏｒｅＸｒｅｃｔｓｔＯｒｃａｔｔ（４），—————■————■——＝二；百Ｌ斗，，ｎ十瓜式中，ｔｐ为实际面片的点被判断为面片点的数量；扫为非面片点目标被判定为面片点的数量；办为实际面片点被判定为非面片点以及未探测到的面片点数之和。３．３算法参数的确定基于区域增长的建筑物自动提取算法共包含３个参数，分别为搜索半径ＢｕｆｆｅｒＷｉｄｔｈ，点面间距阈值Ｄｉｓｔａｎｃｅ和初始点面间距阈值ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ。由于建筑物顶面的准确获取是本算法的关键问题。因此首先分析不同参数取值对面片结果的影响，以提取面片结果的Ｆｓｃｏｒｅ值为标准来确定合适的参数组合。按照ＢｕｆｆｅｒＷｉｄｔｈ，Ｄｉｓｔａｎｃｅ，ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ的顺序确定这三个参数的取值。参数选取的原则如下：（１）参数值要符合实际，如搜索半径Ｂｕｆｆｅｒ－Ｗｉｄｔｈ的值至少要大于点间距。（２）选择最佳数据，而非选择最高精度数据，可结合目视检查结果以选取合适的参数值。（３）避免异常和错误提取结果。面片提取的异常和错误结果如图２所示：其中图２ａ所示情况为提取的面片结果过小，面片未生长完成；图２ｂ是过增长情况下提取的一个面片；图２ｃ是将植被（白色部分）看作一个平面。３．３．１搜索半径基于不同试验区不同的分辨率，即点云平均点间距各不相同，ＢｕｆｆｅｒＷｉｄｔｈ的值要大于点间距，分别设为０．６、０．８、１．０、１．２、１．４ｍ等几个不同的情况。在不同试验区的使用不同的搜索半径，提取结果见图３。在试验区中Ａ，参数值为１．２ｎｌ时，４组数据的提取精度都达到最高，因此对于试验区Ａ，搜索半径为１．２ｉｎ。在试验区Ｂ中，参数值为１．４ＩＴＩ，比参数值为１．２ｉｎ整体提取精度更高，但是通过目视检查发现在搜索半径为１．４ｉｎ时出现过增长的问题，所以对于试验区Ｂ，搜索半径值为１．２ｍ更适合。同理，在试验区Ｃ，整体精度较高的参数值为Ｉ．０ｉｎ的提取结果普遍出现欠增长现象，因此对于试验区ｃ合适的搜索半径值为１．８ｍ。铁道建筑技术ＲＡＩＬＷＡＹＣＯＮＳＴＲＵＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹ２０１８｛１１｛１２５万方数据万方数据・其他・表３参数Ｄｉｓｔａｎｃｅ不同试验区设置情况试验区Ｂｕ饪ｊｒＷｉｄｔｈ／ｍＡＯ．６Ｂ０．５ＣＯ．５３．３．３初始点面间距阈值初始点面间距阈值设置首先要满足比点面间距阈值Ｄｉｓｔａｎｃｅ小的条件，确保初始平面确定的精确度以提高整体提取结果的精度。不同试验区参数ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ取值范围设置情况列于表４中。表４不同试验区参数ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ取值范围设置情况试验区ＩｎｉｆｉａｌＤｉｓｔａｎｃｅ／ｍＡ０．１００．１５Ｏ．２００．２５０．３０ＢＯ．１００．２００．３００．４００．５０Ｃ０．１００．１５０．２００．２５０．３０不同试验区的初始点面间距阈值取不同值的提取结果见图５。１．０００．９００．８００．７０Ｏ．６０Ｏ．５００．４００．３０Ｏ．２００．１００．００ｂ．试验区Ｂ图５参数ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ不同值提取面片结果评价折线图同搜索半径取值以及点面间距阈值取值确定的过程相同，要避免精度满足要求时出现过增长的情况。不同试验区点面间距阈值参数确定情况列于表５。表５参数ＩｎｉｔｉａｌＤｉｓｔａｎｃｅ不同试验区设置情况试验区ＢｕｆｆｅｒＷｉｄｔｈ／ｍＡ０．２Ｂ０．３Ｃ０．２依据上述试验可知针对不同的数据源，由于原始数据分辨率的影响，不同参数的合适取值不同。因此确定参数的基于区域增长面片提取方法并不适合所有点云数据。４城市地区建筑物提取为了对基于区域生长的建筑物提取算法在城市地区的提取效果进行测试，选择了荷兰某市一个街区的实际机载Ｌｉｄａｒ点云进行测试（见图６ａ）。在该实验中，面片中包含的最小点数设为１００，距离地面最小高程设置为２ｍ。各栋建筑物提取的结果见图６ｂ。ａ．试验区点云ｂ建筑物图６城区建筑物提取实验结果从实验结果来看，共７９栋建筑物被正确提取出来。对所有建筑物１７２个顶面的提取精度（Ｆｓｃｏｒｅ）进行统计，其均值为９２％。５结论基于区域增长的建筑物自动提取算法能够有效地完成城市地区Ｌｉｄａｒ建筑物点云提取，提取精度约为９２％。该方法能够提取较为复杂的房屋顶面，可以进行城市地区建筑物房屋的精细提取。算法的各个参数的设置对建筑物顶面提取的铁道建筑技术ＲＡＩＬＷＡＹＣＯＮＳＴＲＵＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹ２０１８（１１）１２７∞∞∞∞舳加印如如加ｍ●ＯＯＯＯＯＯＯ００Ｏ万方数据・其他・精度影响较大，并且参数的设置与机载Ｌｉｄａｒ点云ｄａｔａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＡｒｃｈｉｖｅｓｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙ，Ｒｅｍｏｔｅ本身有关。ＳｅｎｓｉｎｇａｎｄＳｐａｔｉａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ，２００７（２１）：４０７—４１２．参考文献［８］ＷＡＮＧＹ，ＨＡＯｗ，ＮＩＮＧＸ，ｅｔａ１．Ａｕｔｏｒｒ眦ｉｃｓｅｇｒｎｓｎｔａｔｉｏｎ［１］林扬波．高精度机载激光雷达技术在埃塞俄比亚铁路ｏｆｕｒｂａｎｐｏｉｎｔｃｌｏｕｄｓｂａｓｅｄｏｎｔｈｅＧａｕｓｓｉａｎｍａｐ［Ｊ］．Ｔｈｅ—测绘中的应用［Ｊ］．铁道建筑技术，２０１６（１）：８５８９．Ｐｈｏｔｏｇｒａｍｍｅｔｒｉｃ—Ｒｅｃｏｒｄ，２０１３（１４４）：３４２３６１．［２］陈程．基于激光雷达测量技术的建筑物检测［Ｊ］．内蒙古［９］ＢＩＯＳＣＡＪＭ，ＬＥＲＭＡＪＬ．Ｕｎｓｕｐｅｒｖｉｓｅｄｒｏｂｕｓｔｐｌａｎａｒ—师范大学学报（自然科学汉文版），２０１７，４６（３）：３５８３６１．ｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｅｒｒｅｓｔｒｉａｌｌａｓｅｒｓｃａｎｎｅｒｐｏｉｎｔｃｌｏｕｄｓ［３］ＨＯＦＭＡＮＮＡＤ，ＭＡＡＳＨＧ，ＳＴＲＥＩＬＥＩＮＡ．Ｋｎｏｗｌ．ｂａｓｅｄｏｎｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｓ［Ｊ］．ＩＳＰＲＳＪｏｕｒｎａｌｏｆｅｄｇｅ．ｂａｓｅｄｂｕｉｌｄｉｎｇｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｌａｓｅｒｓｃａｎｎｅｒｄａｔａＰｈｏｔｏｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅ—Ｓｅｎｓｉｎｇ，２００８（１）：８４９８．ａｎｄｔｏｐｏｇｒａｐｈｉｃｍａｐｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＡｒ－［１０］ＧＯＵＴＩＥＣ，ＧＡＵＳＳＩＥＲＥ．ＡｐｒｏｂａｂｉｌｉｓｔｉｃｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｃｈｉｖｅｓｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＳｐａｔｉａｌＩｎ－ｐｒｅｃｉｓｉｏｎ，ｒｅｃａｌｌａｎｄＦ－ｓｃｏｒｅ，ｗｉｔｈｉｍｐｌｉｃａｔｉｏｎｆｏｒｅｖａｌｕａｔｉｏｎｆｏｒｍａｔｉｏｎ—Ｓｃｉｅｎｃｅｓ。２００２（３／Ａ）：１６９１７４．∥［ｃ］蛐ＤＥ，Ｆｅｒｎ６ｎｄｅｚ－ｌａｍａＪＭ．（ｅｄｓ）Ａｄｖａｎｃｅｓ［４］ＰＵＳ，ＶＯＳＳＥＬＭＡＮＧ．ＡｕｔｏｍａｔｉｃｅｘｔｒａｃｔｉｏｎｏｆｂｕｉｌｄｉｎｇｉｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ（ＥＣＩＲ２００５）：ｌｅｃｔｕｒｅＮｏｔｅｓｉｎｆｅａｔｕｒｅｓｆｒｏｍｔｅｒｒｅｓｔｒｉａｌｌａｓｅｒｓｃａｎｎｉｎｇ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ３４０８．Ｂｅｒｌｉｎ，Ｈｅｉｄｅｌｂｅｒｇ：Ｓｐｒｉｎｇｅｒ，２００５：ＡｒｃｈｉｖｅｓｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙ，ＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＳｐａｔｉａｌ—３４５３５９．Ｉｎｆｏｒｍａｔｉｏｎ—Ｓｃｉｅｎｃｅｓ，２００６（５）：２５２７．［Ｉ１］ＰＯＷＥＲＳＭ，ＥＶＡＬＵＡＴＩＯＮＷ．Ｆｒｏｍｐｒｅｃｉｓｉｏｎ，ｒｅｃａｌｌ［５］黄荣刚，杨必胜，李健平，等．利用目标区域拓扑关系ａｎｄｆ－ｍｅａｓｕｒｅｔｏＲＯＣ，ｉｎｆｏｒｍｅｄｎｅｓｓ，ｍａｒｋｅｄｎｅｓｓａｎｄ图提取建筑物点云［Ｊ］．武汉大学学报（信息科学版），ｃｏｒｒｅｌａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＴｅｅｈｎｏｌｏ一—２０１７，４２（４）：４７５４８１．—ｓｉｅｓ，２０１１（１）：３７６３．［６］刘丹．三维激光扫描技术在西客站既有结构断面测量［１２］ＴＵＥＲＭＥＲＳ，ＫＵＲＺＦ，ＲＥＩＮＡＲＴＺＰ，ｅｔａ１．Ａｉｒｂｏｒｎｅ—中的应用［Ｊ］．铁道建筑技术，２０１１（ｓ２）：２４４２４５．ｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎｉｎｄｅｎｓｅｕｒｂａｎａｒｅａｓｕｓｉｎｇｈｏｇｆｅａｔｕｒｅｓ『７］ＴＡＲＳＨＡ．ＫＵＲＤＩＦ。ＬＡＮＤＥＳＴ。ＧＲＵＳＳＥＮＭＥＹＥＲＰ．ａｎｄｄｉｓｐａｒｉｔｙｍａｐｓ［Ｊ］．ＩＥＥＥＪｏｕｒｎａｌｏｆＳｅｌｅｃｔｅｄＴｏｐｉｃｓＨｏｕｇｈ．ｔｒａｎｓｆｏｒｍａｎｄｅｘｔｅｎｄｅｄＲＡＮＳＡＣａｌｇｏｒｉｔｈｍｓｆｏｒｉｎＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎｓａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１３ａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎｏｆ３ｄｂｕｉｌｄｉｎｇｒｏｏｆｐｌａｎｅｓｆｒｏｍｌｉｄａｒ—（６）：２３２７２３３７．■—““———”——●”・＋一＋・・＋－＋＊＋一＋一＋－＋一＋一＋一＋一＋一＋－＋－＋一＋一＋一＋・・＋－＋－＋一ｔ一。－＋＿・・＋ｗ＋一＋＋卜＊・卜－。・卜－＋－＋一＋一＋一・＋一－卜一＋－＋一＋一＋－＋・一－４－－＋－＋－＋・（上接第１１０页）［６］王俊伟．真空动力固结法在加固海域吹填土路基中的（４）本工程的成功实施，为多点胁迫无填料振—应用［Ｊ］．价值工程，２０１７（９）：１２４１２７．冲综合施工技术在同类地基中的推广应用提供了［７］吴翔，涂开彬，李顺利，等・冀东南堡油田１号人工端‘一些成功的经验１引。岛无填料振冲加固地基的质量控制［Ｊ］・港工技术，２００７（５）：４６－４７，５１．．参考文献［８３席俊锋，王府水．深层特殊地基处理试验施工［Ｊ］．建［Ｉ］李伦．有约束碾压设备填筑粉细砂填料路基施工技术筑工程技术与设计，２０１５（１７）：６３２，１８１８・［Ｊ］．价值工程，２０１６（１３）：１２９一１３１．［９］郭国忠・高真空击密法处理砂土液化地基研究［Ｊ］．交［２］冯会芳．新近吹填淤泥形成超软土地基的加固处理方—通标准化，２０１０（１５）：７８８０．—法［Ｊ］．港工技术，２０１１（５）：５９６０．［１０］王永祥，丁加林，王宏兴，等．湿陷性黄土强夯施工技［３］李连营，林波．层状地基持力层承载力的确定［Ｊ］．岩—术［Ｊ］．西北水力发电，２００５（２）：７３７５．—土工程技术，２００４（５）：２３５２３７．［１１］闫建，张武，张波，等．利比亚ＳｉｄｉＡｌｓａｅｈ地区强夯处理［４］孙红林．高速铁路软土路基地基处理与沉降控制探究地基承载力测试［Ｊ］．施工技术，２０１５（１９）：８７－９０．—［Ｊ］．铁道建筑技术，２０１７（５）：１１０．［１２］肖黎明，刘兴，徐阳，等．无填料振冲法处理新近吹填［５］楼晓明，于志强，徐士龙．振冲法的现状综述［Ｊ］．土木粉细砂地基的工程应用［Ｊ］．探矿工程（岩土钻掘工工程与管理学报，２０１２（３）：６１－６６．—程），２０１２（２）：５６５９．１２８铁道建筘技术ＲＡＩＬＷＡＹＣＯＮＳＴＲＵＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹ’２０８ｒ＂Ｊ万方数据