1. RTP数据包格式
RTP报文头格式（见RFC3550 Page12）：
1) V：RTP协议的版本号，占2位，当前协议版本号为2
2) P：填充标志，占1位，如果P=1，则在该报文的尾部填充一个或多个额外的八位组，它们不是有效载荷的一部分。
3) X：扩展标志，占1位，如果X=1，则在RTP报头后跟有一个扩展报头
4) CC：CSRC计数器，占4位，指示CSRC 标识符的个数
5) M: 标记，占1位，不同的有效载荷有不同的含义，对于视频，标记一帧的结束；对于音频，标记会话的开始。
6) PT: 有效荷载类型，占7位，用于说明RTP报文中有效载荷的类型，如GSM音频、JPEM图像等,在流媒体中大部分是用来区分音频流和视频流的，这样便于客户端进行解析。
7) 序列号：占16位，用于标识发送者所发送的RTP报文的序列号，每发送一个报文，序列号增1。这个字段当下层的承载协议用UDP的时候，网络状况不好的时候可以用来检查丢包。同时出现网络抖动的情况可以用来对数据进行重新排序，序列号的初始值是随机的，同时音频包和视频包的sequence是分别记数的。
8) 时戳(Timestamp)：占32位，必须使用90 kHz 时钟频率。时戳反映了该RTP报文的第一个八位组的采样时刻。接收者使用时戳来计算延迟和延迟抖动，并进行同步控制。
9) 同步信源(SSRC)标识符：占32位，用于标识同步信源。该标识符是随机选择的，参加同一视频会议的两个同步信源不能有相同的SSRC。
10) 特约信源(CSRC)标识符：每个CSRC标识符占32位，可以有0～15个。每个CSRC标识了包含在该RTP报文有效载荷中的所有特约信源。
从 RTP 数据包的格式不难看出，它包含了传输媒体的类型、格式、序列号、时间戳以及是否有附加数据等信息。这些都为实时的流媒体传输提供了相应的基础。而传输控制协议RTCP为 RTP传输提供了拥塞控制和流控制，它的具体包结构和各字段的含义可参考RFC3550，此处不再赘述。
注：基本的RTP说明并不定义任何头扩展本身，如果遇到X=1，需要特殊处理。
#define RTP_VERSION 2 // RTP version field must equal 2 (p66)
#define N_FU_HEADER 2
#define FU_START 0x80
#define FU_END 0x40
#define nbo_w32 rtp_write_uint32
typedef struct _rtp_header_t
{
uint32_t v:2; /* protocol version */
uint32_t p:1; /* padding flag */
uint32_t x:1; /* header extension flag */
uint32_t cc:4; /* CSRC count */
uint32_t m:1; /* marker bit */
uint32_t pt:7; /* payload type */
uint32_t seq:16; /* sequence number */
uint32_t timestamp; /* timestamp */
uint32_t ssrc; /* synchronization source */
} rtp_header_t;
#define RTP_V(v) ((v >> 30) & 0x03) /* protocol version */
#define RTP_P(v) ((v >> 29) & 0x01) /* padding flag */
#define RTP_X(v) ((v >> 28) & 0x01) /* header extension flag */
#define RTP_CC(v) ((v >> 24) & 0x0F) /* CSRC count */
#define RTP_M(v) ((v >> 23) & 0x01) /* marker bit */
#define RTP_PT(v) ((v >> 16) & 0x7F) /* payload type */
#define RTP_SEQ(v) ((v >> 00) & 0xFFFF) /* sequence number */
#define RTP_FIXED_HEADER 12
struct rtp_packet_t
{
rtp_header_t rtp;
uint32_t csrc[16];
const void* extension; // extension(valid only if rtp.x = 1)
uint16_t extlen; // extension length in bytes
uint16_t reserved; // extension reserved
const void* payload; // payload
int payloadlen; // payload length in bytes
};
H264demo：
rtp_packet_t packer;
packer->pkt.rtp.v = RTP_VERSION;
packer->pkt.rtp.pt = pt;//102 (h264) RTP报文中有效载荷的类型
packer->pkt.rtp.seq = seq; //sequence number
packer->pkt.rtp.ssrc = ssrc;//随机数
if (bytes + RTP_FIXED_HEADER <= packer->size)
{
// single NAl unit packet
return rtp_h264_pack_nalu(packer, nalu, bytes, last ? 1 : 0);
}
else //这里就要分成多个RTP包发送了。
{
return rtp_h264_pack_fu_a(packer, nalu, bytes, last ? 1 : 0);
}
///@param[in] h264 H.264 byte stream format data(A set of NAL units)
int rtp_h264_annexb_nalu(const void* h264, int bytes, int (*handler)(void* param, const uint8_t* nalu, int bytes, int last), void* param)
{
int r;
ptrdiff_t n;
const uint8_t* p, * next, * end;
end = (const uint8_t*)h264 + bytes;
p = h264_startcode((const uint8_t*)h264, bytes);
r = 0;
while (p && 0 == r)
{
next = h264_startcode(p, (int)(end - p));
if (next)
{
n = next - p - 3;
}
else
{
n = end - p;
}
while (n > 0 && 0 == p[n - 1]) n--; // filter tailing zero
assert(n > 0);
if (n > 0)
{
// r = handler(param, p, (int)n, next ? 0 : 1);
r = rtp_h264_pack_nalu(param, p, (int)n, next ? 0 : 1);
}
p = next;
}
static int rtp_h264_pack_fu_a(struct rtp_encode_h264_t *packer, const uint8_t* nalu, int bytes, int mark)
{
int r, n;
unsigned char *rtp;
// RFC6184 5.3. NAL Unit Header Usage: Table 2 (p15)
// RFC6184 5.8. Fragmentation Units (FUs) (p29)
uint8_t fu_indicator = (*nalu & 0xE0) | 28; // FU-A
uint8_t fu_header = *nalu & 0x1F;
r = 0;
nalu += 1; // skip NAL Unit Type byte
bytes -= 1;
assert(bytes > 0);
// FU-A start
for (fu_header |= FU_START; 0 == r && bytes > 0; ++packer->pkt.rtp.seq)
{
if (bytes + RTP_FIXED_HEADER <= packer->size - N_FU_HEADER)
{
assert(0 == (fu_header & FU_START));
fu_header = FU_END | (fu_header & 0x1F); // FU-A end
packer->pkt.payloadlen = bytes;
}
else
{
packer->pkt.payloadlen = packer->size - RTP_FIXED_HEADER - N_FU_HEADER;
}
packer->pkt.payload = nalu;
n = RTP_FIXED_HEADER + N_FU_HEADER + packer->pkt.payloadlen;
rtp = (uint8_t*)packer->handler.alloc(packer->cbparam, n);
if (!rtp) return -ENOMEM;
packer->pkt.rtp.m = (FU_END & fu_header) ? mark : 0; // set marker flag
n = rtp_packet_serialize_header(&packer->pkt, rtp, n);
if (n != RTP_FIXED_HEADER)
{
assert(0);
return -1;
}
/*fu_indicator + fu_header*/
rtp[n + 0] = fu_indicator;
rtp[n + 1] = fu_header;
memcpy(rtp + n + N_FU_HEADER, packer->pkt.payload, packer->pkt.payloadlen);
r = packer->handler.packet(packer->cbparam, rtp, n + N_FU_HEADER + packer->pkt.payloadlen, packer->pkt.rtp.timestamp, 0);
packer->handler.free(packer->cbparam, rtp);
bytes -= packer->pkt.payloadlen;
nalu += packer->pkt.payloadlen;
fu_header &= 0x1F; // clear flags
}
return r;
}
static int rtp_h264_pack_nalu(struct rtp_encode_h264_t *packer, const uint8_t* nalu, int bytes, int mark)
{
int r, n;
uint8_t *rtp;
packer->pkt.payload = nalu;
packer->pkt.payloadlen = bytes;
n = RTP_FIXED_HEADER + packer->pkt.payloadlen;
rtp = (uint8_t*)packer->handler.alloc(packer->cbparam, n);
if (!rtp) return ENOMEM;
//packer->pkt.rtp.m = 1; // set marker flag
packer->pkt.rtp.m = (*nalu & 0x1f) <= 5 ? mark : 0; // VCL only
n = rtp_packet_serialize(&packer->pkt, rtp, n);
if (n != RTP_FIXED_HEADER + packer->pkt.payloadlen)
{
assert(0);
return -1;
}
++packer->pkt.rtp.seq;
//cb rtp数据
r = packer->handler.packet(packer->cbparam, rtp, n, packer->pkt.rtp.timestamp, 0);
packer->handler.free(packer->cbparam, rtp);
return r;
}
static inline void nbo_write_rtp_header(uint8_t *ptr, const rtp_header_t *header)
{
ptr[0] = (uint8_t)((header->v << 6) | (header->p << 5) | (header->x << 4) | header->cc);
ptr[1] = (uint8_t)((header->m << 7) | header->pt);
ptr[2] = (uint8_t)(header->seq >> 8);
ptr[3] = (uint8_t)(header->seq & 0xFF);
nbo_w32(ptr+4, header->timestamp);
nbo_w32(ptr+8, header->ssrc);
}
static inline void rtp_write_uint32(uint8_t* ptr, uint32_t val)
{
ptr[0] = (uint8_t)(val >> 24);
ptr[1] = (uint8_t)(val >> 16);
ptr[2] = (uint8_t)(val >> 8);
ptr[3] = (uint8_t)val;
}
int rtp_packet_serialize_header(const struct rtp_packet_t *pkt, void* data, int bytes)
{
int hdrlen;
uint32_t i;
uint8_t* ptr;
if (RTP_VERSION != pkt->rtp.v || 0 != (pkt->extlen % 4))
{
assert(0); // RTP version field must equal 2 (p66)
return -1;
}
// RFC3550 5.1 RTP Fixed Header Fields(p12)
hdrlen = RTP_FIXED_HEADER + pkt->rtp.cc * 4 + (pkt->rtp.x ? 4 : 0);
if (bytes < hdrlen + pkt->extlen)
return -1;
ptr = (uint8_t *)data;
nbo_write_rtp_header(ptr, &pkt->rtp);
ptr += RTP_FIXED_HEADER;
// pkt contributing source
for (i = 0; i < pkt->rtp.cc; i++, ptr += 4)
{
nbo_w32(ptr, pkt->csrc[i]);
}
// pkt header extension
//注：基本的RTP说明并不定义任何头扩展本身，如果遇到X=1，需要特殊处理
if (1 == pkt->rtp.x)
{
// 5.3.1 RTP Header Extension
assert(0 == (pkt->extlen % 4));
nbo_w16(ptr, pkt->reserved);
nbo_w16(ptr + 2, pkt->extlen / 4);
memcpy(ptr + 4, pkt->extension, pkt->extlen);
ptr += pkt->extlen + 4;
}
return hdrlen + pkt->extlen;
}
int rtp_packet_serialize(const struct rtp_packet_t *pkt, void* data, int bytes)
{
int hdrlen;
hdrlen = rtp_packet_serialize_header(pkt, data, bytes);
if (hdrlen < RTP_FIXED_HEADER || hdrlen + pkt->payloadlen > bytes)
return -1;
memcpy(((uint8_t*)data) + hdrlen, pkt->payload, pkt->payloadlen);
return hdrlen + pkt->payloadlen;
}2、RTP荷载H264码流
NALU打包成RTP的方式有三种：
1). 单一 NAL 单元模式
即一个RTP 包仅由一个完整的 NALU 组成，这种情况下 RTP NAL 头类型字段和原始的 H.264的。
NALU 头类型字段是一样的，对于 NALU 的长度小于 MTU 大小的包，一般采用单一 NAL 单元模式。
对于一个原始的 H.264 NALU 单元常由 [Start Code] [NALU Header] [NALU Payload] 三部分组成，其中 Start Code 用于标示这是一个。
NALU 单元的开始, 必须是 “00 00 00 01” 或 “00 00 01”, NALU 头仅一个字节, 其后都是 NALU 单元内容。
打包时去除 “00 00 01” 或 “00 00 00 01” 的开始码, 把其他数据封包的 RTP 包即可。
封装成 RTP 包将如下：
[ RTP Header ] [ 67 42 A0 1E 23 56 0E 2F]
即只要去掉 4 个字节的开始码就可以了
2). 组合封包模式
即可能是由多个NAL 单元组成一个 RTP 包. 分别有4种组合方式: STAP-A, STAP-B, MTAP16, MTAP24。
那么这里的类型值分别是 24, 25, 26 以及 27.当 NALU 的长度特别小时, 可以把几个 NALU 单元封在一个 RTP 包中。
例：
如有一个 H.264 的 NALU 是这种:
[00 00 00 01 67 42 A0 1E 23 56 0E 2F … ]
[00 00 00 01 68 42 B0 12 58 6A D4 FF … ]
封装成 RTP 包将例如以下:
[ RTP Header ] [78 (STAP-A头，占用1个字节)] [第一个NALU长度 (占用两个字节)] [ 67 42 A0 1E 23 56 0E 2F ]
[第二个NALU长度 (占用两个字节)] [68 42 B0 12 58 6A D4 FF … ]
3). 分片封包模式
用于把一个NALU 单元封装成多个 RTP 包. 存在两种类型 FU-A 和 FU-B. 类型值分别是 28 和 29。
当 NALU 的长度超过 MTU 时, 就必须对 NALU 单元进行分片封包. 也称为 Fragmentation Units (FUs)。
FU-A的分片格式
数据比较大的H264视频包，被RTP分片发送，12字节的RTP头后面跟随的就是FU-A分片。
FU indicator有以下格式：
+—————+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|F|NRI| Type |
+—————+
FU指示字节的类型域 Type=28表示FU-A。。NRI域的值必须根据分片NAL单元的NRI域的值设置。
uint8_t fu_indicator = (*nalu & 0xE0) | 28; // FU-A
FU header的格式如下：
+—————+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|S|E|R| Type |
+—————+
S: 1 bit
当设置成1,开始位指示分片NAL单元的开始。当跟随的FU荷载不是分片NAL单元荷载的开始，开始位设为0。
E: 1 bit
当设置成1, 结束位指示分片NAL单元的结束，即, 荷载的最后字节也是分片NAL单元的最后一个字节。当跟随的FU荷载不是分片NAL单元的最后分片,结束位设置为0。
R: 1 bit
保留位必须设置为0，接收者必须忽略该位。
Type: 5 bits
NAL单元荷载类型定义见下表
表1. 单元类型以及荷载结构总结
Type Packet Typename
———————————————————
0 undefined –
1-23 NALunit Single NAL unit packet per H.264
24 STAP-A Single-time aggregation packet 单一时间的组合包
25 STAP-B Single-time aggregation packet 单一时间的组合包
26 MTAP16 Multi-time aggregation packet 多个时间的组合包
27 MTAP24 Multi-time aggregation packet 多个时间的组合包
28 FU-A Fragmentation unit 分片的单元
29 FU-B Fragmentationunit 分片的单元
30-31 undefined 没有定义
3.拆包和解包
拆包：当编码器在编码时需要将原有一个NAL按照FU-A进行分片，原有的NAL的单元头与分片后的FU-A的单元头有如下关系：
原始的NAL头的前三位为FU indicator的前三位，原始的NAL头的后五位为FU header的后五位，FU indicator与FU header的剩余位数根据实际情况决定。
解包：当接收端收到FU-A的分片数据，需要将所有的分片包组合还原成原始的NAl包时，FU-A的单元头与还原后的NAL的关系如下：
还原后的NAL头的八位是由FU indicator的前三位加FU header的后五位组成，即：
nal_unit_type = (fu_indicator & 0xe0) | (fu_header & 0x1f)
int rtp_packet_deserialize(struct rtp_packet_t *pkt, const void* data, int bytes)
{
uint32_t i, v;
int hdrlen;
const uint8_t *ptr;
if (bytes < RTP_FIXED_HEADER) // RFC3550 5.1 RTP Fixed Header Fields(p12)
return -1;
ptr = (const unsigned char *)data;
memset(pkt, 0, sizeof(struct rtp_packet_t));
// pkt header
v = nbo_r32(ptr);
pkt->rtp.v = RTP_V(v);
pkt->rtp.p = RTP_P(v);
pkt->rtp.x = RTP_X(v);
pkt->rtp.cc = RTP_CC(v);
pkt->rtp.m = RTP_M(v);
pkt->rtp.pt = RTP_PT(v);
pkt->rtp.seq = RTP_SEQ(v);
pkt->rtp.timestamp = nbo_r32(ptr + 4);
pkt->rtp.ssrc = nbo_r32(ptr + 8);
assert(RTP_VERSION == pkt->rtp.v);
hdrlen = RTP_FIXED_HEADER + pkt->rtp.cc * 4;
if (RTP_VERSION != pkt->rtp.v || bytes < hdrlen + (pkt->rtp.x ? 4 : 0) + (pkt->rtp.p ? 1 : 0))
return -1;
// pkt contributing source
for (i = 0; i < pkt->rtp.cc; i++)
{
pkt->csrc[i] = nbo_r32(ptr + 12 + i * 4);
}
assert(bytes >= hdrlen);
pkt->payload = (uint8_t*)ptr + hdrlen;
pkt->payloadlen = bytes - hdrlen;
// pkt header extension
if (1 == pkt->rtp.x)
{
const uint8_t *rtpext = ptr + hdrlen;
assert(pkt->payloadlen >= 4);
pkt->extension = rtpext + 4;
pkt->reserved = nbo_r16(rtpext);
pkt->extlen = nbo_r16(rtpext + 2) * 4;
if (pkt->extlen + 4 > pkt->payloadlen)
{
assert(0);
return -1;
}
else
{
pkt->payload = rtpext + pkt->extlen + 4;
pkt->payloadlen -= pkt->extlen + 4;
}
}
// padding
if (1 == pkt->rtp.p)
{
uint8_t padding = ptr[bytes - 1];
if (pkt->payloadlen < padding)
{
assert(0);
return -1;
}
else
{
pkt->payloadlen -= padding;
}
}
return 0;
}
static int rtp_h264_unpack_input(void* p, const void* packet, int bytes)
{
int r;
uint8_t nalt;
struct rtp_packet_t pkt;
struct rtp_decode_h264_t *unpacker;
unpacker = (struct rtp_decode_h264_t *)p;
if(!unpacker || 0 != rtp_packet_deserialize(&pkt, packet, bytes) || pkt.payloadlen < 1)
return -EINVAL;
if (-1 == unpacker->flags)
{
unpacker->flags = 0;
unpacker->seq = (uint16_t)(pkt.rtp.seq - 1); // disable packet lost
}
if ((uint16_t)pkt.rtp.seq != (uint16_t)(unpacker->seq + 1))
{
unpacker->flags = RTP_PAYLOAD_FLAG_PACKET_LOST;
unpacker->size = 0; // discard previous packets
}
unpacker->seq = (uint16_t)pkt.rtp.seq;
nalt = ((unsigned char *)pkt.payload)[0];
switch(nalt & 0x1F)
{
case 0: // reserved
case 31: // reserved
assert(0);
return 0; // packet discard
case 24: // STAP-A
return rtp_h264_unpack_stap(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 0);
case 25: // STAP-B
return rtp_h264_unpack_stap(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 1);
case 26: // MTAP16
return rtp_h264_unpack_mtap(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 2);
case 27: // MTAP24
return rtp_h264_unpack_mtap(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 3);
case 28: // FU-A （编码 uint8_t fu_indicator = (pkt.payload & 0xE0) | 28; // FU-A）
return rtp_h264_unpack_fu(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 0);
case 29: // FU-B
return rtp_h264_unpack_fu(unpacker, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, 1);
default: // 1-23 NAL unit
r = unpacker->handler.packet(unpacker->cbparam, (const uint8_t*)pkt.payload, pkt.payloadlen, pkt.rtp.timestamp, unpacker->flags);
unpacker->flags = 0;
unpacker->size = 0;
return 0 == r ? 1 : r; // packet handled
}
}后续分享RTP的排序与AV1的编码。
作者：aliveyun
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
