Видеосъемка с квадрокоптера. Техническое управление квадрокоптером для съемки видео

Видеосъемка с квадрокоптера. Техническое управление квадрокоптером для съемки видео

Авторы публикации

Рубрика

Прочее

Просмотры

6

Журнал

Журнал «Научный лидер» выпуск # 26 (124), Июль ‘23

Дата публикации 07.07.2023

Поделиться

В статье обсуждаются технические аспекты использования квадрокоптера DJI Mavic 2 Pro для видеосъемки. Описывается комплектация квадрокоптера, способы управления им и камерой, а также планирование маршрута полета с использованием функции waypoint. Подробно рассматриваются методы создания динамичных и кинематографических видео с использованием квадрокоптера.

“Квадрокоптеры представляют собой один из наиболее популярных типов БПЛА, которые широко используются в различных областях, таких как сельское хозяйство, геодезия, спасательные операции, видеосъёмка” [3, c.2]. Одним из популярных квадрокоптеров для видеосъемки является DJI Mavic 2 Pro.

Комплектация данного устройства: сам квадрокоптер, подвес с камерой на борту, пульт дистанционного управления, аккумуляторы и зарядное устройство. (рис.1) Камера оснащена 1-дюймовым CMOS-датчиком, способным снимать 20-мегапиксельные статичные изображения и 4K видео с высоким динамическим диапазоном и гиперлапсом. (рис. 2)

В сравнении с предыдущим дроном от компании DJI Mavic pro, благодаря новой камере и более светочувствительной матрице стало возможно проводить съемку в вечернее и ночное время без критической потери в качестве изображения.

“Перед каждым полетом следует подготовить БВС и подвесное оборудование, откалибровать и настроить камеры и компас” [2, с.37].

Техническое управление квадрокоптером охватывает два аспекта: навигацию и управление камерой. Для навигации используется пульт дистанционного управления, предоставляющий полный контроль над квадрокоптером. Джойстики на пульте позволяют управлять высотой, скоростью и направлением полета.

Рисунок 1. Комплектация DJI Mavic 2 Pro.

 

Управление камерой осуществляется через приложение DJI Go. Пользователь может выбирать между ручным и автоматическим режимом, контролировать экспозицию, баланс белого и ISO, а также использовать предустановленные режимы съемки, такие как Hyperlapse и Slow-Motion.

Рисунок 2. Основные характеристики DJI Mavic 2 Pro.

 

Важной составляющей успешной съемки является планирование маршрута полета.

Благодаря функции waypoint 2.0, можно заранее настроить путь полета, точки съемки и скорость полета между ними. (рис.3). Благодаря данной функции можно сосредоточиться исключительно на управлении камерой и постановке кадра не отвлекаясь на управление дроном, контроль препятствий и тд.

Рисунок 3. Демонстрация функции Waypoint 2.0.

 

Более детальное планирование маршрута предусматривает учет факторов окружающей среды - освещения, погоды, препятствий и др. Оптимальное время для съемки - это золотой час, когда солнце восходит или заходит, т.к. это обеспечивает наилучший визуальный эффект.

Функция waypoint позволяет установить точки интереса (POI), к которым камера будет автоматически направлена во время полета. (рис.4) Это создает плавные и профессиональные переходы между сценами, придающих видео динамичность. [1] 

Рисунок 4. Демонстрация функции POI 2.0.

 

Также, с помощью waypoint, можно настроить сложные маневры, такие как "орбитальный полет" вокруг POI или "летучую мышь" для драматического подъема и панорамирования сцены.

Таким образом, при использовании квадрокоптера для видеосъемки оператору недостаточно просто знать технические характеристики, важно понимать все возможности доступные при полете и уметь правильно применять их на практике.

В совокупности это поможет реализовать сложные задачи и получить уникальные, захватывающие кадры.

Список литературы

  1. Квадрокоптер DJI Mavic 2 Pro [Электронный ресурс] / DJIMSK.RU. - URL: (дата обращения: 21.06.2023).
  2. Курбанов Р.К. Алгоритм расчета времени полета беспилотного воздушного судна для проведения аэросъемки // Сельскохозяйственные машины и технологии. 2023. Т. 17. N1. С. 35-40. DOI 10.22314/2073-7599-2023-17-1-35-40. EDN LFJBYM.
  3. Liu, T., Yang, G., Li, J., Li, Z., Chen, Y., & Guo, L. (2020). Plant Counting of Cotton from UAS Imagery Using Deep Learning-Based Object Detection Framework. Remote Sensing, 12(18), 2981.
Справка о публикации и препринт статьи
предоставляется сразу после оплаты
Прием материалов
c по
Осталось 3 дня до окончания
Размещение электронной версии
Загрузка материалов в elibrary
Публикация за 24 часа
Узнать подробнее
Акция
Cкидка 20% на размещение статьи, начиная со второй
Бонусная программа
Узнать подробнее