司马X5C、HS100、EachineE58、MavicAir、ZeroTechDobby。
1、司马X5C：司马X5C被称为“初学者的终极无人机”，具有六轴飞行控制系统。这使它能够360度滚动飞行，与此同时，X5C还配备一个200万像素的摄像头，已经具备了基础拍摄的功能。
2、HS100：HS100的飞行时间为15分钟，电池组也升级到了2500毫安，保证了最大500米的飞行距离。此外，HS100还配备了GPS定位和无人机一键返回功能，以确保在飞行途中不会丢失无人机。最重要的是，其价格非常有竞争力。
3、EachineE58：除了配备200万像素的摄像头之外，还可以拍摄120度的广角画面和720P的视频，而E58无人机的航程也从30提升到了100米。并带有LED的夜间飞行功能。
4、MavicAir：重量不足1斤的大疆MavicAir，却支持每秒60帧的4K高清画面，凭这一点已经足够强大了，18分钟的续航数据已经可以满足绝大多数无人机用户的日常使用了。
5、ZeroTechDobby：100米零度智控的Dobby是一款功能强大且配件丰富的外人飞行器。折叠后的体积大概和一个iPhone6P手机差不多。设计小巧、轻便，意味着用户可以进行手掌起飞和着陆，非常适合在室内环境下使用。
在许多人眼中航拍，是一个非常帅的一个事情，不仅要有架无人机，而且还需要良好的操控技术，才能拍出震撼的画面，恰恰相反，其实航拍很简单，来来去去就是这几种拍摄手法，不信吧下面就看我给大家带来一些干货，人人都可以是航拍摄影大师。
一、90°拍摄难度系数：1星
适合对象：单人，多人，建筑物
对于一个刚入门的初学者，想迅速拍一些帅气的航拍，来个帅帅的装X自拍，发到朋友圈里，收集一堆点赞和羡慕的目光，这个拍摄手法就非常适合了。
操控方法：云台相机调至垂直向下，拍摄照片，或视频。
实例演示：
二、90°俯视螺旋上升难度系数：2星
适合对象：人物、建筑物
当你对操控无人机有一定了解以后，觉得单纯的90°已无法满足你高大上的B格，那么可以进行动态视频的拍摄，90°螺旋上升就是一个很不错的尝试，这样能够非常酷的突出画面中心的人或者是建筑物。
操控方法：
1、让云台相机垂直90°俯视
2、打开视频拍摄
3、油门杆往上提，然后往左或右转向略为偏移
先向上提，然后靠右或靠左偏转
注意事项：一是要注意速度的控制，旋转的速度不能太快，转得太快会造成画面眩晕，控制不好会被观众吐槽。二是要注意无人机上方不存在障碍物，避免在上升时候，撞到障碍物，炸机就GG了。
三、自动追随难度系数：1星
适合对象：人物、汽车
自动追随一般会是在自驾游当中最常见的拍摄手法，而且操作比较简单，无人机当中大部分都带有此项功能，切换至相应的功能档位以后，选择自动跟随功能，剩下的事情，无人机都可以帮你做了。
注意事项：在这里，首要注意的是无人机的飞行高度，要高于一般的障碍物，好像山的高度、路灯的高度、建筑的高度等等，避免撞上障碍物然后炸机GG。
四、自拍新技能：45°斜后方拉伸难度系数：3星
适合场景：旅游的时候，酷炫的自拍照
当我们去旅游的时候，都想把美丽的风景和自己一起拍下来，这个新方法把那些俗套的“旅游自拍”照say goodbye了，保证你在朋友圈装逼大赛中赢得冠军。
操控方法：
1、将无人机上升至与人等高的位置
2、打卡视频录制
3、同时将油门杆往上提、方向杆往后拉
左手是油门
注意事项：既然是往后拉伸镜头，首先就要是在一个空旷的场地当中，没有高楼等建筑物，无人机没有自动避障的`，后拉过程中会撞上去，也是会有炸机的危险。除此以外，云台相机也可以相应调整一下角度，以覆盖整个画面。
五、环绕拍摄难度系数：手动4星、自动1星
适合场景：建筑物、人
在航拍视频中，经常见到看到有环绕的镜头，不管是在旅游时，还是艺术视频创作当中，都会看到环绕物体的画面，手动操作较为复杂，但配合软件就轻松很多了。
手动控制的原理是方向杆与油门杆的转向以相反的方向操控无人机，关键难点在于对转向速度的控制上，需要多加训练以后才能够流畅的画面视频。在一些航拍无人机上，带有智能环绕更能的，就简单很多了，只需要选择相应功能既可以了，剩下的操作，无人机都可以帮你做完了。
注意事项：我们需要观察环绕的周边，没有障碍物，树木、路灯、建筑物、山峰等等都要观察清楚
六、翻过建筑物上难度系数：3星
适合场景：旅游的时候，个性化的建筑拍摄
在旅游的时候，想要给建筑物来一个特别的航拍视角，那么可以试一下这样的一个操控手法，视频的效果是斜45°向上爬升，跨过障碍物以后，就有一种翻过一座大山后的一马平川的感觉，是一个很不错的角度。
操控方法：
原理是45°斜向上飞行，操控的方法是同时将油门杆与方向杆向上，云台相机保持水平方向。
注意事项：在这次的操控当中，难点是要熟练无人机的速度控制，与建筑物保正安全距离，避免在斜上升的过程中，撞到屋顶。
七、穿越拱门难度系数：3星
适合场景：拱门、门框、窗框
简单的操控，但很可能造成无人机的GPS信号中断，导致一定的危险，需要及时控制航向的偏移，以保证飞行的安全。
操控方法：对准门口空旷的位置，驾驶无人机从中间通过拱门。
注意事项：GPS信号的中断，导致航向偏移
实例演示：
八、水平至垂直推拉难度系数：5星
适合场景：个性化的视频拍摄角度
这是运用油门杆、方向杆、与云台相机控制的三者协作操控，但掌握流畅控制的技巧以后，画面就很好看了，大家可以联系尝试几次就可以玩啦。
操控方法：
原理是油门杆往上拉，方向杆往前，而云台相机往下，速度缓慢配合，调至相等的变化操控。
注意事项：在这次的操控当中，难点是在于手脑并用地控制无人机，与建筑物保正安全距离，避免在斜上升的过程中，撞到屋顶。
实例演示：
总结今天给大家介绍了这8种较为简单又实用的航拍技巧，大家可以根据难度系数，由简单开始入手，逐步从1星的90°俯视、自动追随、自动环绕等简单的开始练习，然后逐步晋升更加难的手动控制飞行手法90°旋转上升、45°斜后方自拍拉伸、穿越拱门、翻过建筑物、手动控制环绕，最后可以使用遥控器的3个控制键同时操控飞行，大师的水准就那么容易达到了。
垂直视角
我们来说说垂直视角的航拍，其实它并没有现象的那么复杂，只要运用妥当，保持画面简洁，已然能够拍摄出震撼人心的作品。
保持高度是关键在完全熟悉航拍之前，不要盲目地让无人机飞高，在无人机达到适当的高度后，不再拨动上升的拨杆，转而专心控制云台的方向和机身的位置。这样就能避免拍摄出没有主体、模糊混沌的作品。
许多新手都会将无人机一股脑上升至很高的高度，而后在地面上却有苦恼该拍摄什么，从哪儿开始拍摄。
构图马虎不得刚开始拍摄垂直视角的作品时，构图的基本常识会有莫大的帮助。对于非垂直视角的航拍作品而言，往往它们由两个部分构成——天空及地面，很容易就能凭借常识分辨出两者，借此对于作品的构图及画面有一个大概的认识。
但对于垂直视角的作品而言，只有一个部分——地面或者海面。因此看到作品的人往往需要更多的`时间，才能回过神来这是一幅垂直拍摄的作品。因此，构图务必要保持简洁大方，才能帮助观众尽快了解画面形式。
通过观察地面上是否有明显的纹理曲线，比如错落有致的田埂或者梯田，就是完美的例子。有序的纹理，地面与农作物鲜明的色彩对比，这些都是一副好的垂直角度航拍作品的必要条件
作品案例说明来自澳洲的摄影师George Suresh 的作品很好的展示了如何拍好垂直视角的航拍作品。
拍摄这幅作品时，拍摄者所站立的悬崖距离海面本就有60-70米的高度，因此无人机只要再升高20-30米就能拍摄出比较理想的画面。
为了让画面加入空间感和深度，将无人机进行旋转，利用构图，将画面分成了两个部分——悬崖和海面，让悬崖占据画面的右下角，海面占据左下角。
最后，拍摄者再让自己入镜，将自己的体型作为参照物，观众就可以了解画面的具体大小和规模了。
这幅作品中，地面和海面不再仅仅是单纯的两个主体，他们自身又有着不同的层次，构图保持简洁的同时，却又增添了丰富性。
拍摄者将无人机升高至60米左右的高度，能够完全容纳下煤矿、道路、岩石、砂砾和海面。同时旋转无人机，让地面与海面的分界线呈对角线。
再次故技重施，让道路上的汽车入镜作为参照物，使观众对于整体画面的大小及规模有一定的认识。
想要拍摄这样一幅作品，需要两步：
首先，将无人机升高到特定的高度——既能够容纳下画面所需的主体，又要能够看清路面上的车辆，这样不仅增添趣味性，同时也如前文所说，可以作为参照物。
另外，寻找冲突点——对于这幅作品而言，蜿蜒的桥面将地面和海面一分为二就非常具有冲击力。
注意：为了安全起见，请不要轻易垂直飞行于路面，以免发生意外。
将无人机旋转，让残骸呈45°在画面中，这样的倾斜，能够自然而然把观众的注意力向它集中。
拍摄这座锈迹斑斑的残骸，首要的一点就是，让它只占画面的1/3左右。之所以这样，是因为一旦过大，那么它的一些部分可能就会超出画面边框，影响整体性，反之过小就会让观众失去注意力，画面失去构图平衡。
这幅作品时，呈现出简约现代的效果，拍摄者让无人机提升了20米左右，这足以容纳所有倾覆在岸边的小船。将地面控制在画面的4/1处，其余部分用沉静单调的水面占据，杂乱的小船与静默的水面合理搭配，让画面动静结合，保持平衡。
乍看之下，会以为这副作品中，拍摄者的无人机飞得很高，实际这都是拜明朗的线条色彩带来的冲击力所赐。尽管如此，仔细观察会发现其实这艘船也只占了画面的1/3左右，依旧保持了画面的平衡。
优秀创意的作品不是只存在于那些专业人士的手里，你也可以。
近年来，无人驾驶飞行器（UAV）在许多领域得到越来越广泛的应用。通过无人机航拍视频，可以方便地获取更多的静态和动态信息，掌握现场情况。帧配准、全景图像拼接、运动目标检测和跟踪是航拍视频分析处理的关键和基础。首先，我们使用 l_q-estimation 方法去除异常值并稳健地匹配特征点。然后我们利用移动直接线性变换 (MDLT) 方法更准确地找到帧的单应性，并将帧序列拼接成全景图。最后，我们在扭曲的帧上应用 5 帧差分方法来检测运动对象，并使用长期视觉跟踪方法在复杂场景中跟踪感兴趣的对象。
与有人驾驶飞机相比，无人机更小、更轻、更便宜，更适合执行危险任务。搭载视觉传感器的小型无人机是反恐、交通监控、救灾、战场监视等的理想平台。全景图像拼接、运动物体检测和跟踪是完成这些任务的关键技术。由于平台的运动，除了前景物体外，背景也在运动，因此背景的运动补偿是无人机航拍视频分析处理的必要步骤。背景运动补偿模块接收后对视频帧进行注册并生成相应的对齐图像，可以将帧序列拼接在一起以生成全景图以掌握整体信息。此外，可以通过帧减法检测运动物体，并通过跟踪模块跟踪感兴趣的物体。在本文中，我们首先提取相邻帧的 Harris 特征，然后介绍一种基于异常值去除和稳健特征匹配的 - 估计器，之后，利用 MDLT 方法找到帧的单应性。根据单应性，帧被注册并补偿平台的自我运动，并且全景由帧序列拼接。最后，使用5帧减法完成运动物体检测，并通过基于相关滤波器的视觉跟踪算法跟踪感兴趣的物体。
图像配准是利用匹配策略在两幅图像中找到对应特征点的正确位置，然后得到两幅图像之间的单应性进行配准。本文的图像配准算法包括几个部分：Harris特征点的提取和描述，用于稳健特征匹配的 - 估计器，用于估计单应性的 MDLT 方法。首先从两幅图像中提取和描述特征点，得到匹配点，然后去除离群点，对特征进行鲁棒匹配 - 估计器。最后，我们使用MDLT方法对满足图像不同部分的单应性进行加权估计，得到准确的投影模型参数来配准图像帧。
对于要匹配的图像对，我们执行Harris等特征匹配方法来确定N个初始匹配对应关系：
其中 ， 是匹配特征点的二维坐标， 如果是内点，则满足以下关系：
变换 可用 对内点匹配对最小二乘估计：
但这些点可能存在异常值，应去除异常值以正确估计变换。目前的方法通常使用两步策略或假设和验证技术（如RANSAC）来解决问题，这些方法总是非常耗时甚至无法得到合理的结果。
基于鲁棒性的特征匹配方法 -估计器直接估计与异常值的初始对应关系的转换。为了将残差向量自动分类为异常值集和内部值集，经典最小二乘损失函数对异常值敏感。 范数适合解决这样的问题，但由于观察中包含噪声，因此不可靠。通常情况下 范数被改编为最接近的凸松弛 正则化进行权衡。 估计器对于特征匹配更加健壮和有效。损失函数是
其中 是 范数的操作符。
将通过对初始特征点应用全局变换来去除异常值。
对于低空航拍视频，帧之间的视图不完全因旋转不同，也不完全是平面场景，使用基本单应扭曲不可避免地会产生错位或视差错误。Julio Zaragoza等提出的APAP(As-Projective-As-Possible)图像拼接方法假设图像的细节满足不同的单应性，并使用位置相关单应性来扭曲每个像素，使用MDLT加权估计单应性方法，可以减轻未对准和视差误差的影响。
直接线性变换（DLT）是从一组噪声点匹配中估计单应性的基本方法。将单应矩阵向量化为向量后，只有两行线性无关，令 为第 个点匹配计算的 LHS 矩阵的前两行。对所有 垂直堆叠 到矩阵A。
那么优化目标是
整个图像只使用一个单应性重建 用于翘曲。
通过从加权问题估计单应性来改进MDLT方法，
权重 给更接近 的第 个点匹配给予更高的重要性。
为了防止估计中的数值问题，他们用一个在0和1之间的小值 来抵消权重。
计算每个像素的单应性是不必要的浪费。因此，我们将图像均匀地划分为多个单元格的网格，并将每个单元格的中心作为 。
将航拍视频帧全景拼接后，就可以得到大尺度场景的静态图像，掌握整体信息。
首先，我们使用单应性扭曲要拼接的两个帧，将像素映射到全景中的位置，依次拼接帧，然后融合两个扭曲的图像以避免在接缝线附近出现正面差异。通常，相邻帧的重叠率，在实际应用中，我们根据移动速度选择一定时间间隔的帧进行拼接，可以降低计算复杂度。对于较早的拼接图像，我们只选择最后一帧而不是整个拼接图像来提取特征点，也是为了计算速度。
对于对齐的帧，采用改进的5帧差分法检测运动目标。传统的3帧差分法可以检测出物体的基本轮廓，但轮廓总是不连续的，物体的重叠不易检测。根据帧差分法的理论，通过多帧差分的信息融合可以用于提取更完整的运动对象。5帧差分法可以部分克服3帧差分法的不足。对于相邻的 5 个帧 ，我们首先使用中值滤波器去除椒盐噪声，然后分别对中间帧和其他4帧进行差分运算。结果如下：
在对差分结果进行滤波后，我们引入Otsu动态阈值分割方法获得二值图像，然后使用“与”操作来抑制对象重叠问题。
然后我们在 和 上使用“或”操作以避免在对象轮廓中带来孔洞。
二值图像也可能有噪声和小孔，这可能会导致错误的对象边界框。最后，可以通过形态学腐蚀和膨胀来掩盖运动物体区域，去除噪声并填充孔洞，从而获得物体的位置和尺度。
运动物体检测步骤会检测到多个物体区域，我们只选择一个感兴趣的目标，使用基于相关滤波器的长期视觉跟踪算法对所选物体进行跟踪，以获得目标的位置和尺度。实时对象。跟踪器由检测操作中检测到的边界框初始化。
基于相关滤波器的长期视觉跟踪算法在核相关滤波器跟踪器的框架下，集成了定向梯度直方图、颜色命名和强度，创建了鲁棒的对象外观模型。在随后的帧中，可以通过分别最大化平移滤波器和尺度滤波器的相关性分数来估计对象的新位置和尺度，并通过新的位置和尺度更新滤波器。同时，我们实时检测跟踪状态，并在跟踪失败的情况下使用在线CUR过滤器重新检测对象。该算法对于长期视觉跟踪的复杂场景具有鲁棒性。跟踪流程图如图1所示。
实验中的数据集选自DARPA提出的身份视频验证（VIVID）公共数据集中的航拍视频数据。这些数据集包括纹理较少和纹理良好的视频的背景。我们为我们的实验选择了两个典型的视频egtest01和egtest05。分辨率为640x480，帧率为30fps。实验在MATLAB R2016a 中实现，在 Intel Core i5-7300HQ、25GHz CPU、8GB RAM 计算机上。
我们首先提取待配准的2帧中的Harris特征，利用描述符的欧氏距离进行粗匹配，然后使用 估计方法来去除异常值。最终匹配结果如图2所示。
从图2可以看出，无论是在纹理较少还是纹理良好的背景场景中，特征点都是均匀分布的，并且点主要集中在背景中，这有助于获得准确的配准结果。
我们使用MDLT方法根据匹配的特征点获得2帧的变换，然后对图像进行扭曲，对参考图像和扭曲图像进行拼接和融合。最后，将帧依次拼接在一起，得到如图3所示的全景图。
帧配准后，我们使用5帧差分法得到差分结果，然后去除细方噪声，做形态学运算得到物体区域，最后可以得到运动物体的位置和尺度区域的边界框，如图4所示。
跟踪算法可以在完全遮挡或视野外的情况下更新对象的比例并重新检测丢失的对象。图 5显示了不同帧中的跟踪结果。
我们已经开发了一些基于小型无人机平台的航空侦察关键图像处理算法的实现。算法包括注册视频帧，使用帧差异进行运动物体检测，将帧拼接成全景图，跟踪检测到的物体之一。实验结果表明，所提出的方法在纹理较少的背景和纹理良好的背景场景中都可以很好地进行配准、拼接、检测，以及在复杂场景中进行跟踪。
如果说郑州哪里有灯光秀的话，大家肯定第一个想到的应该是郑州的大玉米吧!跨年以及春节都会出现的大玉米在这个国庆又将会大放光彩啦!大玉米将会在今天晚上八点开展灯光秀表演，还有无人机哦!
郑州CBD如意湖文化广场大玉米灯光秀+500架无人机表演秀
时间：2019年9月24日晚上8:00
为庆祝中华人民共和国成立70周年，充分展现中原风采与精神面貌，9月24日晚上8:00，郑州报业集团将联合郑州移动举办“庆70华诞
展中原风华”无人机表演活动，届时将有500架无人机在如意湖上空起飞，将通过一场富于变化、美轮美奂的科技光影秀，向祖国表白。
据介绍，无人机表演分为“出彩中原”“数创未来”“献礼70周年”三个篇章，将在飞行过程中组合出“大玉米”、“二七塔”、“数创未来
出彩中原”以及“我爱你中国”等7个画面。
精彩活动内容
在活动现场附近，郑州移动还将搭建5G应用展区，大家可通过“VR看黄河”、“VR游戏”、“VR动感单车”等有趣、好玩的游戏，感受移动5G的魅力。
而无人机飞行表演的全程航拍视频，也将通过移动5G网络实时传输至现场大屏，市民可通过另一种角度观看飞行表演秀。
同时，现场还将有数百人同唱红歌。除了无人机的表演秀外，还有大玉米的灯光秀。
富于节奏的灯光秀和震撼人心的无人机表演秀，今天晚上相约CBD如意湖文化广场，一起大饱眼福吧!
如果你乘坐地铁：
地铁1号线直达，会展中心站C出口是抵达大玉米最近的出口
如果你乘坐公交：
公交：B19、23、26、206、916、B53等都可以到达。
豫公