LiDAR Zenmuse L series -- point cloud cho địa hình

Bài viết này dành cho kỹ sư trắc địa đang cân nhắc đầu tư LiDAR, tư vấn lâm nghiệp cần đo trữ lượng sinh khối rừng trồng, và kỹ sư hạ tầng phụ trách inspection đường dây điện cao thế. Mục tiêu: giúp quý anh chị quyết định khi nào nên chọn LiDAR thay vì photogrammetry, hiểu nguyên lý multiple returns, và tránh 5 lỗi setup khiến point cloud không nghiệm thu được.

LiDAR vs Photogrammetry -- chọn đúng để khỏi mua sai sensor

Câu hỏi đầu tiên khi tư vấn cho khách: *"Em đang phân vân giữa P1 và L2, anh chọn cái nào?"*. Câu trả lời của tôi luôn là: nói tôi nghe khu bay là gì, tôi mới chọn được. Vì hai loại sensor giải quyết hai bài toán hoàn toàn khác nhau.

Photogrammetry (P1, M3E, M3M) chụp ảnh chồng lấp 70-85% rồi dựng mô hình 3D bằng software. Ưu điểm: ortho map độ phân giải sub-cm, mô hình 3D có texture đẹp, chi phí thấp. Nhược điểm chí mạng: chỉ thấy những gì camera nhìn thấy. Tán rừng dày -- không xuyên được. Khu vực có cỏ cao -- không phân biệt được mặt đất với thảm thực vật.

LiDAR (L1, L2 -- và L series sắp tới) bắn xung laser xuống, đo thời gian phản xạ về để dựng point cloud 3D trực tiếp. Theo training của DJI Solutions Engineering, LiDAR phù hợp cho terrain mapping và forestry vì laser có khả năng xuyên qua khe hở giữa các tán cây để chạm tới mặt đất. Đây là lý do chính nhưng quyết định: nếu khu bay có thực vật che phủ, photogrammetry không thể cho DEM (Digital Elevation Model) chính xác -- chỉ LiDAR làm được.

Tôi không nói LiDAR thay thế được photogrammetry. Hai loại bổ sung nhau. Nhiều dự án enterprise tôi thấy đội bay dùng cả hai: P1 cho ortho map và visual context, L2 cho terrain xuyên tán. Đầu tư cả hai khi backlog job đa dạng -- đầu tư một loại khi 80% job thuộc một ngành dọc.

Nguyên lý LiDAR -- hiểu để debug được khi data sai

LiDAR (Light Detection and Ranging) hoạt động đơn giản: phát một xung laser ngắn (thường bước sóng 905 nm -- Near-Infrared), đo thời gian xung phản xạ về, nhân với tốc độ ánh sáng chia 2 → ra khoảng cách đến vật thể. Mỗi điểm đo này tạo một "point" trong không gian 3D. Hàng triệu point ghép lại = point cloud.

Hai khái niệm quý anh chị cần nắm vững trước khi cấu hình mission:

Wavelength (bước sóng). L series dùng laser NIR ~905 nm -- bước sóng này phản xạ tốt trên đa số bề mặt (đất, lá cây, bê tông), nhưng bị nước hấp thụ gần như hoàn toàn. Đó là lý do bay LiDAR trên hồ, sông không cho được điểm dưới mặt nước. Bathymetric LiDAR (đo độ sâu nước) dùng bước sóng xanh 532 nm -- không có trong L series DJI hiện tại.

Reflectivity (độ phản xạ). Bề mặt phản xạ <10% là khó đo. Nhựa đường mới rải, mái nhà tôn sơn đậm, nước -- đều cho ít hoặc không có return. Spec DJI thường ghi accuracy ở reflectivity 10% vì đó là ngưỡng thực tế của đa số bề mặt.

DJI Zenmuse L1 vs L2 -- hai thế hệ, hai bài toán

DJI hiện có 2 sensor LiDAR thương mại trong dòng Zenmuse L. Theo tài liệu DJI Enterprise Solutions Engineering Training, hai dòng này khác biệt quan trọng về accuracy, range, và density:

Khác biệt lớn nhất là multiple returns. L1 ghi 3 returns/xung, L2 ghi 5 returns. Trong rừng dày 3-4 tầng tán, mỗi xung laser bắn xuống có thể phản xạ ở: (1) đỉnh tán cao, (2) tán giữa, (3) tầng cây bụi, (4) cỏ thấp, (5) mặt đất. L1 chỉ ghi được 3 → mất thông tin tầng cây bụi và cỏ. L2 ghi đủ → DEM mặt đất chính xác hơn rõ rệt.

Khi tư vấn khách lâm nghiệp, tôi luôn khuyên L2 nếu rừng nhiều tầng. Khi job chủ yếu là mapping địa hình thoáng (công trường, mỏ, ruộng lúa), L1 cũ vẫn dùng tốt -- không cần upgrade vội.

Lưu ý: Tại thời điểm viết bài, DJI chưa công bố chính thức Zenmuse L3. Mọi thông tin về L3 trên các forum không có nguồn DJI Enterprise xác nhận thì quý anh chị không nên tham khảo cho quyết định mua sắm.

Multiple Returns -- vì sao critical cho forestry và đường dây

Khi xung laser gặp tán cây thưa, một phần laser phản xạ ngay tại đỉnh tán (first return), phần còn lại tiếp tục xuyên xuống -- gặp tầng cành tiếp theo phản xạ một phần (intermediate returns), cuối cùng phần xuyên hết tán chạm mặt đất (last return).

Photogrammetry không có multiple returns vì camera chỉ chụp một bề mặt visible. Đây là lý do kỹ thuật vì sao bay P1 trên rừng cao su không thể cho DEM chính xác -- phải dùng L2.

Ứng dụng tương tự cho inspection đường dây điện. Đường dây cao thế chạy trên rừng, đường dây phân phối có cây xanh đô thị xen kẽ. LiDAR multiple returns cho phép tách riêng dây điện (first return) khỏi tán cây (intermediate returns) → đo khoảng cách dây-cây để cảnh báo vi phạm hành lang an toàn.

Quy trình PPK chuẩn -- 6 bước từ planning đến point cloud

PPK (Post-Processed Kinematic) là phương pháp xử lý LiDAR DJI khuyến nghị. Khác với RTK realtime, PPK ghi raw GNSS data trong lúc bay, sau đó xử lý chính xác vị trí từng point trên software (DJI Terra). Ưu điểm: không cần internet liên tục, accuracy ổn định hơn, cho phép re-process khi có dữ liệu base station mới.

Point cloud density -- chọn đúng theo ngành

Density (mật độ điểm trên m²) quyết định LiDAR data có dùng được cho mục đích cuối hay không. Bay quá thưa = không đủ chi tiết. Bay quá dày = tốn pin, lưu trữ, xử lý -- không cần thiết. Theo guideline DJI Solutions Engineering, mật độ tối thiểu theo ngành:

Surveying & Mapping (≥16 pts/m²): Đủ cho bản đồ tỷ lệ 1:500. Achieve được khi bay 100 m AGL với speed 8 m/s.

Forestry survey (≥20 pts/m²): Cần để segment từng cây riêng lẻ và phân tích cấu trúc tán. Bay thấp hơn (~80 m AGL) hoặc giảm speed.

Power line inspection (≥25 pts/m²): Cần độ chi tiết cao để tách dây điện khỏi cây và đo khoảng cách hành lang. Bay 60-80 m AGL, speed 5-7 m/s.

Tăng density không miễn phí. Bay slow hơn → cần nhiều battery hơn → cần nhiều flight hơn cho cùng diện tích → tăng thời gian field. Tôi thường khuyên đội bay test pilot 1 plot nhỏ trước khi bay full project -- đo density thực tế xem có đạt yêu cầu, rồi mới scale lên.

4 trường hợp ứng dụng ở Việt Nam -- LiDAR đang giải quyết được gì

Sau 12 năm làm UAV, tôi thấy LiDAR drone ở Việt Nam đang được ứng dụng mạnh nhất trong 4 mảng:

1. Khảo sát địa hình (DEM/DSM). Công trường thủy điện, đường cao tốc, khu dân cư mới -- cần DEM chính xác để tính khối lượng đất đào/đắp. LiDAR rút thời gian khảo sát từ 1-2 tuần manual xuống 1-2 ngày bay. Mekong Delta đặc biệt phù hợp vì địa hình thoáng, baseline 4G/RTK ổn định.

2. Đo sinh khối rừng trồng. Cao su, keo, bạch đàn -- các công ty lâm nghiệp muốn ước lượng trữ lượng gỗ trước khi khai thác để sắp xếp hậu cần tốt hơn. CHM từ L2 cho chiều cao cây, kết hợp đường kính ước lượng → thể tích gỗ/ha. Tây Nguyên là vùng tôi thấy nhu cầu đang tăng nhanh.

3. Inspection hành lang đường dây cao thế. Đường dây 220kV, 500kV chạy qua khu vực rừng tự nhiên -- phải giúp cây không xâm phạm hành lang an toàn. LiDAR cho phép đo distance dây-cây với độ chính xác cm, thay thế phương pháp đi bộ kiểm tra mất nhiều ngày.

4. Khảo cổ và di sản. LiDAR xuyên qua tán rừng có thể phát hiện cấu trúc khảo cổ ẩn dưới thảm thực vật -- kỹ thuật đã thành công ở nhiều nước. Tại Việt Nam mảng này còn mới, chủ yếu phục vụ nghiên cứu.

5 lỗi phổ biến khi tôi rà soát đội bay LiDAR

Khi tôi rà soát quy trình LiDAR survey cho khách hàng, năm lỗi dưới đây gặp lặp lại -- và mỗi lỗi đều có thể làm hỏng cả ngày bay:

1. Skip IMU calibration giữa flight. Đội bay sợ tốn pin nên không calibrate khi đổi battery. Hậu quả: các point cloud từ flight 1 và flight 2 lệch nhau 5-15 cm, strip adjustment trong Terra cũng không sửa hết. Phải bay lại.

2. Bay quá cao trong rừng dày. Để cover diện tích lớn, đội bay set flight height 150-200 m. Vấn đề: ở độ cao này, density giảm xuống <10 pts/m² và multiple returns không đủ để chạm mặt đất qua tán dày. DEM dưới rừng bị thiếu point -- không classify ground được. Bay thấp hơn (80-100 m) tốn nhiều flight hơn nhưng cho data dùng được.

3. Quên log base station GNSS. PPK không thể xử lý nếu thiếu raw GNSS từ base. Một số đội bay tin vào CORS public mà không có backup base riêng -- gặp khi CORS down hoặc ngoài vùng phủ là mất toàn bộ data. Quy tắc: luôn có base station riêng log song song.

4. Không kiểm tra reflectivity điều kiện thực tế. Bay LiDAR sau mưa, mặt đất ướt và bóng → reflectivity giảm mạnh, last return ít/không có. Đợi nắng 1-2 giờ sau mưa rồi bay. Tương tự: nhựa đường mới rải, mái nhà tôn đen -- biết trước sẽ thiếu point ở những vùng này.

5. Output LAS không khai báo coordinate system. Terra export LAS 1.2 mặc định không gắn coordinate reference. Khách import vào AutoCAD, ArcGIS -- file lệch toạ độ hàng trăm mét. Phải khai báo EPSG code (WGS84/UTM zone hoặc VN-2000) trong export setting.

[!callout info] LAS 1.2 là format DJI Terra export mặc định. Một số software cũ chỉ đọc được LAS 1.0/1.1 -- phải convert. Software mới như LiDAR360, CloudCompare đọc 1.2-1.4 không vấn đề.

Khi nào nên đầu tư LiDAR -- và khi nào nên thuê

L2 + M350 RTK là khoản đầu tư lớn cho doanh nghiệp lần đầu mua. Tôi tư vấn nguyên tắc đơn giản: nếu backlog job LiDAR ổn định ít nhất 4-6 dự án/năm thuộc các ngành cần multiple returns (forestry, đường dây, công trường thủy điện) → đầu tư bộ riêng. Nếu chỉ 1-2 job/năm hoặc job thuộc mapping thoáng (chủ yếu cần ortho map) → thuê dịch vụ kinh tế hơn.

Một yếu tố ít được tính: post-processing skill. Bay LiDAR là một chuyện, classify point cloud chính xác là một chuyện khác. Đầu tư sensor mà không đầu tư người biết dùng LiDAR360/TerraScan → output không khác bay P1 bao nhiêu. Khi tính hiệu quả đầu tư, cộng cả chi phí đào tạo kỹ sư xử lý vào -- không chỉ chi phí thiết bị.

“LiDAR drone ở Việt Nam còn đang giai đoạn early adopter. Nhu cầu thật rõ ràng -- đo trữ lượng rừng, hành lang đường dây, công trường lớn -- nhưng số đội bay biết khai thác đủ năng lực sensor còn ít. Đây là cơ hội cho doanh nghiệp đầu tư đúng cách: không chỉ mua thiết bị, mà xây dựng đội ngũ xử lý data đủ trình độ. -- Đúc rút từ training 500+ học viên DJI Agriculture và Enterprise”

LiDAR không phải là sensor "đắt hơn nên tốt hơn". Nó là công cụ chuyên biệt giải quyết bài toán photogrammetry không làm được -- xuyên thực vật để chạm mặt đất. Quý anh chị chọn đúng sensor cho job, setup đúng quy trình PPK, và đầu tư đủ cho khâu post-processing -- point cloud sẽ trở thành tài sản số dùng được nhiều năm.