近年来,无人机技术有了广泛的应用和长足的发展,人们越来越多的使用无人机进行多种场景的拍摄。尤其对于诸如城市街景、山水风景等固定场景,使用无人机拍摄的相关技术和方法已经非常成熟。而复杂动态场景的实时拍摄,仍然以使用摇臂摄像机,设置多个机位,依靠人为操控的传统方式为主。如果能将无人机用于复杂动态场景的实时拍摄,将能节省大量人力,并有望达到更好的拍摄效果。与其他平台相比,从无人机平台上对这种场景的处理需要考虑的因素更多,需要解决的问题也更加复杂。本文从复杂动态场景的拍摄需求出发,提出了对该问题的解决思路,将该问题分解为三个子问题:场景分割、拍摄构图、无人机调度。在综合研究了国内外解决相关问题的主要方法和现有技术后,我们决定采用带有阈值的K-means聚类算法完整有效地对场景进行合理分割,以获得一系列小场景,每一个小场景对应一个无人机。然后根据小场景之间的位置关系,计算获得无人机最佳的拍摄位置,这将保证在完整拍摄每个小场景的同时,无人机群拍摄的画面有一定的关联性和整体性。最后将无人机飞行调度问题转化为任务指派问题,使用匈牙利算法将拍摄位置指派给每个无人机完成相应的拍摄任务,使无人机群的飞行距离总和最短,飞行代价总成本最小,进而完成对复杂动态场景的实时持续拍摄。为了验证上述算法,我们开发了基于AIRSIM插件的无人机仿真控制程序,并在搭载了AIRSIM的UE4仿真平台上搭建了多个仿真场景。通过该程序,用户可以控制任意虚拟场景下的多台无人机进行安全准确的飞行。在该程序中,我们实现了上文所述算法并进行了验证,该算法可以有效地控制多架无人机对复杂动态场景进行多角度,包含全部对象的实时持续自动拍摄,相比场景均分等直接方式,拍摄效果取得明显改进。