大疆L1激光雷达点云成果与可见光影像数据融合处理
禅思L1可以同时采集激光雷达点云数据与可见光影像数据，点云成果进行分类后提取地面点高程比较容易，但是绘制地面要素不是很直观，对用户来讲学习成本比较高。ContextCaptue Master可以同时加载可见光影像与点云数据进行融合处理，因此，我们产生了一个想法，是否可以通过融合处理两种数据，在采集点云的同时，经过内业处理输出模型成果，对测绘用户是否会更方便。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
本篇文章主要目的为验证禅思L1点云融合影像数据处理流程与效果，因此我们选择了一组比较小的数据进行验证。如图所示，黄色轨迹为点云录制飞行轨迹，轨迹上的照片点为同时采集的可见光影像。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
进行数据融合处理首先要解决的是数据加载问题，CC加载点云数据需要同时加载点云文件与轨迹文件。点云文件为DJI Terra处理L1数据直接输出成果，可以直接使用，CC支持的轨迹文件格式为时间，纬度（X），经度（Y），高程（H）。顺利的导入点云数据需要轨迹文件与点云文件坐标系一致，即同时为地理坐标或相同的投影坐标，时间格式也需要一致，DJI Terra输出的点云成果时间为标准GPS时间（总秒）。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
测绘常用的计时方式还有UTC时间，GPS时间（周），其中GPS时间为原子时，UTC时间为世界时，由于世界时有误差，每相差一秒时会对UTC时间进行校准，即跳秒，截止今日，GPS时间与UTC时间相差18秒。两种计时方式在1980年1月6日0点协调一致，因此计时方式，UTC时间的总秒数与GPS时间的总秒数也是相差18秒。通常的计时方式为从1980年1月6日开始没经过一周，周数加1，下一周周日的0点开始计秒数。以2021年6月16日16:00为例，UTC时间为2162周，316782秒，GPS周时间为2162周，316800秒，GPS总秒数时间为1307894400秒。计时方式具体差异可以登录网站http://leapsecond.com/java/gpsclock.htm了解。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司在上一段落我们着重介绍两种计时方式差异的主要原因是DJI Terra输出的轨迹文件内记录时间为UTC时间，不含周数，而点云文件内存储的时间为GPS时间的总秒数，因此需要对两种时间进行处理。DJI Terra输出的成果文件包含二进制存储的点云录制轨迹文件，是以DJI开头包含任务时间信息，以misson_sbet.out结尾的二进制文件。使用terra solid可以进行读取，而为了方便用户使用，我们在WayPoint Master内置了转换工具，可以一键直接读取sbet.out文件，输入数据采集时间，可以反推GPS周数，最终输出CSV格式的轨迹文件。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
至此我们就将CC加载点云需要的数据准备完毕，通过点云加载窗口，导入点云，选取点云文件以及WayPoint Master提取的轨迹文件，导入后选择对应的坐标系，指定好每个字段对应的含义，即可完成点云数据导入。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
导入后的点云数据如图所示，其中黄色问点云录制轨迹，真彩点云为禅思L1数据处理成果。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
通过影像窗口导入本组数据对应的影像数据，需要注意的是，导入影像时需选择影像的高程坐标系统为WGS 84，否则会导致影像与点云的高程坐标系统不一致。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
由于本次测试仅为验证流程，因此没有进行刺点操作。直接空三，并且提交重建，重建完成后，打开对应的模型查看模型质量。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司 大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
处理完成后发现数据有较为明显的分层现象，分析原因为影像只使用影像进行空三平差，没有添加控制点，不能很好的保证精度。点云与影像匹配的空三连接点有一定的系统误差，因此考虑通过点云配准，将激光雷达的点云数据配准大无人机匹配的点云数据上，再进一步处理看看是否会有明显分层现象。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司 大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
点云配准我们使用了Lidar360 预处理功—转换—手动配准功能，同时选取7组点对，将激光雷达的点云数据配准至可见光影像输出的点云上。重复上述导入点云流程，再次进行处理。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
再次处理后，通过相同角度查看模型数据，分层问题基本解决，植被下方会重建出激光雷达采集到的地表纹理，一些正射很难重建的灯杆会被匹配出来。
大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司
总结：本次分享数据为验证流程可行性，同时也积累了一些问题有待更多朋友参与一起验证解决。1、点云配准，需要将激光雷达点云与可将光匹配的点云成果完全精确的匹配到一起才可以一起进行重建，否则会出现分层现象。预计有两种解决方法，一种在激光雷达点云精度足够的情况下，可以通过布设地面控制点，参与影像空三保证影像空三匹配点云精度，一种是无地面控制点，将影像匹配点云与激光雷达点云通过同名点进行配准，第二种方法需要布设地面标靶，否则很难在点云上识别到足够清晰的特征点。

2、如果是带转换参数的目标坐标系，是否需要提前将点云以及轨迹文件提前转换至目标坐标系，还是通过空三刺点可以直接平移导入CC的点云数据。

个人认为激光雷达与可将光影像数据融合处理，更主要是发挥激光雷达对细小结构采集的优势，补充可将光数据没有达到一定分辨率不能重建的劣势，因此我们下一步也将整理采集更多适合融合处理场景的数据，争取融合处理的优势发挥出来。

本文所涉及的位姿转换功能为WayPoint Master提供的禅思L1雷达轨迹文件一键提取工具，如您对WayPoint Master感兴趣可扫描下方二维码进行了解。

大疆L1激光雷达点云成果与可见光影像数据融合处理探索-南京韦博智控科技有限公司