WebRTC-Video in Qt: jitter buffer + NACK

WebRTC-Video mit Jitter Buffer und NACK in einem Qt-Client implementieren

WebRTC nutzt UDP, um die Übertragungsbelastung zu minimieren. Clients tauschen SDP-Descriptionen aus, verwenden STUN/TURN für die NAT-Durchquerung, ICE zur Verbindungspflege und einen Signaling-Server zur Koordination. SFU/MCU-Server fungieren als Middleboxes für den Stream-Forwarding. Ein 1080p@30fps-VP8-Stream benötigt ohne Keyframes etwa 600 Kbps. Paketverlust erhöht die Last erheblich durch PLI-Anfragen und NACK. Der Jitter Buffer löst Probleme mit der Paketreihenfolge.

Wichtige Aufgaben: Signaling/MCU-Server mit NACK-Unterstützung, Wiederholungsmechanismus, Client-seitiger Jitter Buffer.

Pion-Server mit NACK-Unterstützung

Der Server wird in Go mit der Pion-Bibliothek implementiert. Wir registrieren Standard-Interceptoren für NACK:

type Controller interface {
	HandleConnection(c *common.SafeWebSocket)
	JoinRoom(peer *common.Peer, msg Msg) error
	LeaveRoom(peer *common.Peer, msg Msg) error
}

type controller struct {
	logger *zap.Logger

	roomRepo repository.RoomRepo
	api      *webrtc.API
}

func NewController(logger *zap.Logger, roomRepo repository.RoomRepo) Controller {
	settingEngine := webrtc.SettingEngine{}
	settingEngine.SetAnsweringDTLSRole(webrtc.DTLSRoleServer)
	mediaEngine := &webrtc.MediaEngine{}
	mediaEngine.RegisterDefaultCodecs()
	interseporRegistry := interceptor.Registry{}

	if err := webrtc.RegisterDefaultInterceptorsWithOptions(mediaEngine, &interseporRegistry,
		webrtc.WithNackGeneratorOptions(nack.GeneratorSize(8192)),
		webrtc.WithNackResponderOptions(nack.ResponderSize(8192)),
	); err != nil {
		logger.Error("failed to register interceptor", zap.Error(err))

		panic(err)
	}

	api := webrtc.NewAPI(
		webrtc.WithMediaEngine(mediaEngine),
		webrtc.WithSettingEngine(settingEngine),
		webrtc.WithInterceptorRegistry(&interseporRegistry),
	)

	ctrl := &controller{
		api:      api,
		logger:   logger,
		roomRepo: roomRepo,
	}

	go func() { // Alle zwei Sekunden RTCP I-Frame-Anfrage senden
		ticker := time.NewTicker(2 * time.Second)
		for _ = range ticker.C {
			roomIds := ctrl.roomRepo.GetRooms()
			for _, roomId := range roomIds {
				go ctrl.dispatch(roomId)
			}
		}
	}()

	return ctrl
}

Netzwerkemulation mit Paketverlust:

sudo tc qdisc add dev lo root netem delay 50ms 20ms loss 1%

Qt-Client mit libdatachannel

Der Browser dient als Videoquelle über einen minimalen HTTP-Server. Der C++-Client verwendet libdatachannel + Qt, ohne vollständiges Chromium zu benötigen.

Herstellen der Peer-Verbindung:

void ConferenceClient::connectClient(QString url, QString roomId)
{
    rtc::InitLogger(rtc::LogLevel::Debug);

    this->pc.onLocalDescription(this->pcOnLocalDescription(roomId));
    this->pc.onLocalCandidate(this->pcOnLocalCandidate());
    this->pc.onGatheringStateChange(this->pcOnGatheringStateChange());

    this->pc.onIceStateChange( {
        std::cout << "Ice state changed: " << state << std::endl;
    });
    this->pc.onStateChange( {
        std::cout << "state changed: " << state << std::endl;
    });

    this->ws.onOpen(this->wsOnOpen(roomId));
    this->ws.onMessage(this->wsOnMessage());

    this->pc.onTrack(this->pcOnTrack());
    this->ws.open(url.toStdString());
}

Behandlung von Tracks und Paketen

Für jeden Track erstellen wir eine Struktur mit einem Jitter Buffer (LRUCache) und einer Frame-Warteschlange:

std::function<void(std::shared_ptr<rtc::Track>)> ConferenceClient::pcOnTrack() {
    return this {
        auto mid = track->description().mid();

        this->track_index[mid]
            = {track, 0, "NO_VALUE", 0, 0, LRUCache<std::uint32_t, jitterbuffer>(256)};

        this->player->initMid(mid);
        bool isVideo = true;

        if (track->description().type() == "audio") {
            isVideo = false;

            track->setMediaHandler(std::make_shared<rtc::OpusRtpDepacketizer>());
            track->chainMediaHandler(std::make_shared<rtc::RtcpReceivingSession>());
            track->onFrame(this->trackOnFrame(mid, isVideo));
        } else {
            track->onMessage(this->pcOnMessage(mid));
        }

        track->onOpen([track]() { track->requestKeyframe(); });
        track->onClosed([this, mid]() { this->player->destroy(mid); });
    };
}

Wichtige Aspekte der RTP-Paketbehandlung:

• Späte Pakete verwerfen (rtpHeader->timestamp() < lastCompletedTs)
• RTX-Wiederholung – Wiederherstellung der ursprünglichen seqNumber und payloadType
• Endianness – RTP-Daten sind big-endian; Plattform ist little-endian
• Frame-Warteschlange als std::map<uint32_t, pair<long, vector<byte>>> indexiert nach RTP-Timestamp
• Wiedergabe nach PLAYER_DELAY ab Erhalt des ersten Frame-Pakets

Reassemblierung von VP8/VP9-Frames

std::function<void(rtc::message_variant)> ConferenceClient::pcOnMessage(std::string mid)
{
    return this, mid {
        // ... Timestamp-Prüfung, RTX-Verarbeitung ...
        
        std::vector<std::byte> frame;

        if (!frame_cache.exist(pkgTs)
            && (track->description().rtpMap(PT)->format == MyApp::VP8CODEC
                || track->description().rtpMap(PT)->format == MyApp::VP9CODEC)) {
            frame_cache.put(pkgTs, jitterbuffer());

            track_info.ssrc = rtpHeader->ssrc();

            track_info.frame_queue[pkgTs] = std::make_pair(nowTs, std::vector<std::byte>());

            codec = track->description().rtpMap(PT)->format;
            codecPT = PT;
        }

        jitterbuffer &buff = frame_cache.get(pkgTs);

        if (codec == MyApp::VP9CODEC) {
            frame = buff.addVp9Packet(std::move(msg), track_info.lastCompletedTs);
        } else if (codec == MyApp::VP8CODEC) {
            frame = buff.addVp8Packet(std::move(msg), track_info.lastCompletedTs);
        }

        if (frame.size() > 0) {
            track_info.frame_queue[pkgTs].second = std::move(frame);
        }
        // ... Wiedergabe und NACK ...
    };
}

Wichtige Erkenntnisse

• libdatachannel erfordert manuelle Implementierung von Jitter Buffer und NACK
• Pion-Interceptoren verarbeiten NACK automatisch mit Puffergrößen von 8192
• Frame-Warteschlange nutzt std::map für natürliche Sortierung nach RTP-Timestamp
• RTX-Zuordnungen werden im SDP-Offer/Antwort vereinbart
• Wiedergabe erfolgt nach PLAYER_DELAY nach Erhalt des ersten Frame-Pakets
• Periodische RTCP-PLI wird alle 2 Sekunden gesendet

— Editorial Team