AR+ 实时音视频通话，×××无缝结合

Posted 2021-01-20

今年中旬 Google 在万众期待下推出了 ARCore，能将现实与数码完美无缝地融合在一起，丰富我们的现实世界。通过它开发者可以更加快速方便地在 android 平台开发 AR 应用，凭借 AR 技术大量产品能找到新颖的应用场景，甚至开辟出新的一条产品线。

目前市场上已经有不少基于 AR 技术的产品，例如宜家家居的 IKEA Place 应用提供了新型的在线选购家俬方式，用户只需要将手机摄像头摆向想要放置家具的角落，接着选取你想要的家具，通过简单的拖拉以及旋转即可完成布局，查看这件家具是否符合你的心意。

下图为使用 IKEA Place 的示意图，看起来这张椅子还挺适合的 :)

那么假如 AR 与其他技术进行结合，是否会有更激动人心的应用场景呢？

七牛实时音视频云 （以下简称七牛 RTN）基于已被广泛标准化的 WebRTC 技术栈，有全平台的兼容性，支持各大浏览器如 Chrome、Safari、Firefox 以及各端 Android、ios、Windows 等。强大的七牛实时音视频流媒体网络在全球有 180 多个数据中心，具有强大的链路加速功能，丰富的节点保证了无论客户分布在全球的什么地区都可以获得加速。平均 200ms 的超低延时，为诸多对实时性有苛刻要求的客户场景提供最根本支持，如一对一语聊、聊天室、视频会议、在线教育等对交互性有强需求的场景均十分适合使用七牛 RTN。

在本篇中，我们会结合 Google 官方的示例 hello_ar_java 将 AR 技术融入到实时音视频通话，其中会应用到 1.1.0+ 版本七牛 RTN SDK 的新功能 “外部音视频数据导入”。

以下为效果动图

准备工作0: 集成七牛 RTN SDK 到 AR Demo

在真正开始编码前，我们需要先将相应的项目和环境搭建完成

下载 七牛 RTN SDK 到当前目录 QNRTC-Android

git clone [email protected]:pili-engineering/QNRTC-Android.git

下载 ARCore 到当前目录 arcore-android-sdk

git clone [email protected]:google-ar/arcore-android-sdk.git

拷贝相应七牛 RTN SDK 文件到 hello_ar_java 工程中

1. 将文件 QNRTC-Android/releases/qndroid-rtc-1.2.0.jar 拷贝到 arcore-android-sdk/samples/hello_ar_java/app/libs/ 中（libs 目录需要自行创建）
2. 将 QNRTC-Android/releases/ 下的 armeabi、armeabi-v7a、arm64-v8a、x86 等 4 个文件夹拷贝到 arcore-android-sdk/samples/hello_ar_java/app/src/main/jniLibs 文件夹中（jniLibs 目录需要自行创建）
3. 使用 AndroidStudio 打开 arcore-android-sdk/samples/hello_ar_java 工程，修改其中几项配置
   • 为了让工程引用上面两步中添加的库，打开 app/build.gradle 文件，在 dependencies 中增加行 implementation fileTree(include: [‘*.jar‘], dir: ‘libs‘)
   • 为了能进行实时通话，需要设置程序使用网络的权限，打开 AndroidManifest.xml 文件，在 manifest 标签中增加以下使用权限声明
     • <uses-permission android:name="android.permission.INTERNET"/>
     • <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/>

核心类介绍

在实际编码与代码分析前，我们先简单概述介绍其中会涉及到的核心类

QNRTCManager：七牛 RTN SDK 核心类，提供低延时实时音视频通话能力

Session：ARCore 核心类，管理 AR 系统状态包括摄像头 Camera 采集、点网监测、平面检测等能力

GLSurfaceView & Renderer：Android 系统提供的视图类与渲染类，分别提供负责画面显示与渲染

BackgroundRenderer & ObjectRenderer & PlaneRenderer & PointCloudRenderer: Demo 中提供的渲染类，分别负责以下部分的渲染

• 背景图渲染（摄像头预览原始图）
• 物体及其阴影渲染（Android 模型及其阴影）
• 平面渲染（AR 系统检测到的平面）
• 点云渲染（AR 系统检测到的点云）

准备工作1: 建立基本的实时音视频通话环境

首先需要实现实时音视频的房间事件监听器 QNRoomEventListener，其需要实现的方法很多，以下只展现这次简单示例需要用到的方法，完整的接口说明在这里

public class HelloArActivity extends AppCompatActivity implements GLSurfaceView.Renderer, QNRoomEventListener {
    private boolean mPublished = false; // 标识本地是否发布成功

    ...

    @Override
    public void onJoinedRoom() {
        mRTCManager.publish(); // 加入房间成功后，尝试发布
    }

    @Override
    public void onLocalPublished() {
        mPublished = true; // 发布成功后，标识为 true
    }

    ...
}

在 onCreate 方法尾部初始化实时音视频通话环境并加入指定房间，其中关于 Room Token 获取的方式可以参考这里

protected void onCreate(Bundle savedInstanceState) {
    ...
    QNRTCSetting setting = new QNRTCSetting();
    setting.setExternalVideoInputEnabled(true); // 开启外部视频导入功能

    mRTCManager.setRoomEventListener(this); // 设置房间事件监听器
    mRTCManager.initialize(this, setting); // 七牛 RTN SDK 初始化

    mRTCManager.joinRoom(###Your Room Token###); // 通过 Room Token 加入指定房间
}

准备工作2: 建立基本的 AR 环境

利用 GLSurfaceView & Renderer 为绘制 AR 画面做好准备

在 Activity 类声明中实现 GLSurfaceView.Renderer 接口，在本 Demo 中如下，随即需要我们实现 3 个相应的方法，意义分别在注释中被描述

public class HelloArActivity extends AppCompatActivity implements GLSurfaceView.Renderer, QNRoomEventListener {
    /**
     * 显示 Surface 创建完成时回调
    **/
    public void onSurfaceCreated(GL10 gl, EGLConfig config) {
    }

    ...

   /**
     * 显示 Surface 尺寸大小改变时回调
    **/
    public void onSurfaceChanged(GL10 gl, int width, int height) {
    }

    ...

    /**
     * 显示 Surface 创建完成时回调
    **/
    public void onDrawFrame(GL10 gl) {
    }
}

在实现了 Renderer 渲染类后，我们需要提供用作显示的 Surface，以便让 Renderer 在其上进行渲染显示，GLSurfaceView 就有这种能力。

以下示例代码，从布局 xml 文件中解析出 GLSurfaceView 并设置 Renderer

surfaceView = findViewById(R.id.surfaceview); // 从布局 xml 中解析 GLSurfaceView
...
surfaceView.setRenderer(this); // 设置 Renderer

创建 Session

Session 是 AR 系统的主入口类，在任何 AR 操作前必须先初始化并启动

protected void onResume() {
    session = new Session(/* context= */ this); // AR 系统初始化
    ...
    session.resume(); // 开始 AR 会话，尝试开启摄像头，如摄像头被占用，会抛出 CameraNotAvailableException 异常
}

使用 OpenGL Shader 在显示 Surface 上绘制 AR 增强画面

在 AR 会话开始后，摄像头的每一帧数据都能提供以下信息

• 原始摄像头预览数据
• 检测到的平面数组
• 检测到的点云数组
• 平面触摸事件

我们可以在 onDrawFrame 方法中利用以上的事件进行相应的处理，例如遇到平面触摸事件，则在相应的位置放上一个 Android 模型，并且同时绘制出检测到的平面以及点云。

// 绘制背景
private final BackgroundRenderer backgroundRenderer = new BackgroundRenderer();
// 绘制物体
private final ObjectRenderer virtualObject = new ObjectRenderer();
// 绘制物体阴影
private final ObjectRenderer virtualObjectShadow = new ObjectRenderer();
// 绘制平面
private final PlaneRenderer planeRenderer = new PlaneRenderer();
// 绘制云点
private final PointCloudRenderer pointCloudRenderer = new PointCloudRenderer();

public void onDrawFrame(GL10 gl) {
    frame = session.update(); // 获取摄像头原始数据帧（阻塞方法）

    // Handle one tap per frame.
    handleTap(frame, camera); // 检测是否有平面点击事件，如有则在相应位置放置 Android 模型

    ...
    // Draw background.
    backgroundRenderer.draw(frame); // 将摄像头预览数据作为背景图绘制

    ...
    // Visualize tracked points.
    PointCloud pointCloud = frame.acquirePointCloud();
    pointCloudRenderer.update(pointCloud);
    pointCloudRenderer.draw(viewmtx, projmtx); // 绘制点云

    ...
    // Visualize planes.
    planeRenderer.drawPlanes(session.getAllTrackables(Plane.class), camera.getDisplayOrientedPose(), projmtx); // 绘制平面

    ...
    // Update and draw the model and its shadow.
    virtualObject.updateModelMatrix(anchorMatrix, scaleFactor);
    virtualObjectShadow.updateModelMatrix(anchorMatrix, scaleFactor);
    virtualObject.draw(viewmtx, projmtx, colorCorrectionRgba, coloredAnchor.color); // 绘制 Android 模型
    virtualObjectShadow.draw(viewmtx, projmtx, colorCorrectionRgba, coloredAnchor.color); // 绘制 Android 模型的阴影
}

##技术结合: 将 AR 增强画面发布到实时音视频云

在分别实现了基本的 实时音视频通话 和 AR 增强画面 后，现在只需要将它们进行最后的结合。

因为 Session 启动后会占用设备摄像头，因此七牛 RTN SDK 无法进行采集，这时候我们需要使用最新版本提供的功能 ”外部音视频数据导入“。

在发布流前，我们需要获取到 AR 增强画面 的 NV21 格式数据，因为当前七牛 RTN Android SDK 的 “外部视频数据导入” 功能只支持 NV21 格式的数据。

以下示例代码在 onDrawFrame 方法中的尾部添加，将 GLSurfaceView 的 Surface 内容数据读取出来，进行必要的格式转换，接着发布出去

public void onDrawFrame(GL10 gl) {
    ...

    if (mPublished) { // 只在七牛 RTN 发布流成功后才导入 AR 数据
        // 将 AR 增强画面 的数据从 GPU 中读取出来
        GLES20.glReadPixels(0, 0, mSurfaceWidth, mSurfaceHeight, GLES20.GL_RGBA, GLES20.GL_UNSIGNED_BYTE, mBufferRGBA);

        // RGBA 转为 NV21（篇幅原因，不在此展开算法）
        mBufferNV21 = RGBAToNV21(mBufferRGBA, mSurfaceWidth, mSurfaceHeight);

        // 通过 "外部视频数据导入" 功能将 NV21 数据形式的 AR 增强画面 发布出去
        mRTCManager.inputVideoFrame(mBufferNV21, mSurfaceWidth, mSurfaceHeight, 0, frame.getTimestamp());
    }
}

总结

使用 1.1.0+ 版本七牛 RTN SDK 提供的 “外部音视频数据导入” 功能，可以轻松地把 AR 与实时音视频通信结合起来。以上程序基于七牛 RTN SDK 以及相应的 RTN 网络运行，最大可以支持 20 人同时低延时音视频通话。相信不久将来 AR 技术与实时音视频通信的结合会带来更多的应用场景。