DJI Terra Tutorial: Zenmuse L3 Point Cloud Reconstruction – ROI/Block, PPK, Cluster-Processing & Output-Formate
Im Video „DJI Terra丨Zenmuse L3 Point Cloud Reconstruction“ erklärt DJI den kompletten Post-Processing-Workflow für LiDAR-Daten der Zenmuse L3 in DJI Terra: vom Projekt anlegen über POS/PPK-Einstellungen (Data POS, Local PPK, Cloud PPK) bis zur eigentlichen Rekonstruktion von Punktwolken sowie weiteren Ausgaben wie 2D Maps, 3D Mesh, Gaussian Splatting, DEMs und Contours. Besonders wichtig für große Projekte: DJI Terra kann per ROI den Rekonstruktionsbereich sauber begrenzen und über Block-Parameter die Daten in handhabbare Kacheln zerlegen. Dazu kommt Cluster Computation – also verteiltes Rechnen über mehrere Rechner im lokalen Netzwerk – damit große Datensätze nicht an den Grenzen einer einzelnen Workstation scheitern. Das Tutorial ist damit ideal für alle, die mit der L3 ernsthaft kartieren und ihre Daten nicht „irgendwie“ exportieren wollen, sondern reproduzierbar und kontrolliert.
- Was DJI Terra aus L3-Daten erzeugen kann: Rekonstruktion von Point Clouds, 2D Maps, 3D Mesh Models, Gaussian Splatting, DEMs und Contour Lines – je nach Projektziel.
- Projekt-Setup in DJI Terra: Create Project → LiDAR Point Cloud, Name + Speicherort setzen, dann per Select Folder die L3-Daten importieren.
- POS Calculation Settings (PPK-Workflow): Auswahl zwischen Data POS, Local PPK und Cloud PPK. DJI empfiehlt bei Nutzung der DJI D-RTK 3 Base Station explizit Local PPK (Base-File hinzufügen, DJI D-RTK wählen, D-RTK-3-Files importieren, Calculation starten).
- Flight Trajectory Clipping: Vor der Rekonstruktion kannst du Flugtrajektorien per Polygon Selection auswählen und unerwünschte Trajektorien löschen. Wichtig: geclippte Trajektorien werden nicht rekonstruiert (Undo wird unterstützt; danach Save).
- Compute Method: Standalone vs. Cluster: Standalone Computation rechnet lokal auf einem Rechner. Cluster Computation nutzt mehrere Rechner im LAN für dieselbe Aufgabe – gedacht für High-Volume-Projekte.
- Große Flächen effizient verarbeiten: DJI nennt als Größenordnung: In Kombination Zenmuse L3 + DJI Matrice 400 lassen sich bis zu 100 km² pro Tag erfassen – Cluster Processing hilft, solche Datenmengen praktikabel zu rekonstruieren.
- Scene / Control & Check Points / Datum: Je nach Bedarf lassen sich GCPs (manuell oder per Datei), horizontale/vertikale Datum-Settings und weitere Projektparameter setzen.
- ROI & Block (das Performance-Herzstück): ROI manuell anpassen, Default/Max Range wählen oder KML-Ranges importieren. Nur innerhalb der ROI wird Output erzeugt. Block-Splitting (auto) ist standardmäßig aktiv; zusätzlich gibt’s Custom Block Memory und Custom Block Side Length für „saubere“ Kachelgrenzen (inkl. Koordinatensystem & Origin).
- Select Block für lokale Updates: Wenn ROI Setup Method auf Select Block steht, wählst du die zu rekonstruierenden Blöcke gezielt aus; unselected bleibt draußen – praktisch für Austausch/Update in großen Datasets.
- Point Cloud Density & Output-Formate: Dichte per Prozent oder Distanz anpassen. DJI nennt Formate wie PNTS, LAS, PLY, PCD, S3MB und LAZ. Optional Merge Output für eine zusammengeführte Datei (vor oder nach der Rekonstruktion).
- Ground Point Classification: Aktivierbar, um Gebäude/Vegetation etc. zu filtern und nur Ground Points zu behalten – ideal als Basis für DEM und Contours.
- Gaussian Splatting Qualitätsstufen: Extra High, High, Preview: Preview für schnelle Validierung, High als solider Standard, Extra High für maximale Klarheit (mit mehr Rechenzeit).
- Start Reconstruction & Ergebnis prüfen: Rekonstruktion starten, nach Abschluss Task öffnen und LiDAR-Output direkt in DJI Terra ansehen.
Zum ausführlichen DJI Zenmuse L3 Überblick & Praxis-Artikel
