RTP中H264封装NALU格式详细解析

名词解释：NAL
NAL的英文全称为Network Abstract Layer，即网络抽象层，在H264/AVC视频编解码标准中，整个系统框架分为两个层面，视频编解码层面(VCL)和网络抽象层面(NAL)。VCL负责有效表示视频数据内容，NAL负责格式化数据并加上相应的头信息，以保证数据适合各种信道和存储介质上的传输。NAL单元NALU是NAL的基本语法结构，它包含一个字节的头信息和一系列来自VCL的原始字节载序列载荷(RBSP)的字节流。

一、H.264 NAL单元（NALU)的组成:

NALU有多种类型，分为VCL和no-VCL。
VCL(Video Coding Layer)：是图像编码数据
NO-VCL:非视频信息，配置信息。 （其中sps、pps等NALU单元都是非VCL NAL单元）
关于VCL和非VCL的分类： 其中NALU单元nal_unit_type 值等于 1 到 5（包括 1 和 5）的 NAL 单元是VCL NAL单元,其他的 NAL 单元都称作非 VCL NAL 单元。

NAL单元组成由起始码、NAL头、NAL Payload三部分组成

下面详解解析NAL单元三个组成部分
1、起始码：分为3或者4字节的0x000001和0x00000001两种的开始码
2、NAL头： 长度为1字节


3、NAL Payload：具体的NAL内容payload

一个简单的例子：
NALU头为0x67,转换为二进制0110 0111
禁止位为0
NAL重要性为11，即3，表示最重要
NALU类型为[00111],即7，类型为7表示该NALU是SPS

二、RTP报文的封包格式

一共有三种模式：
1、单一NALU模式
2、组合封包模式
3、分片封包模式

1、单一NALU模式

如下面是一个SPS帧的例子：
下面是SPS帧的格式如下：SPS的NALU头中的Type值为7，表示SPS(Sequence parameter set)，SPS还包含一些图像编码的一些重要配置信息，比如profile_id，level_id，图像的宽高信息等，具体如下图


上图中图像的宽高为：1920*1088

2、组合封包模式

开头1个字节表示NAL单元类型，接着1个或多个聚合单元，后面是可选的RTP填充，组合包模式有以下四种类型：

组合包模式是当H264 NALU单元的长度较小时，将几个NALU单元封装在一个RTP数据包中，以STAP-A为例进行详细介绍。

   单时刻聚合包（STAP-A）应该用于当聚合在一起的NAL单元共享相同的NALU时间。STAP-A荷载不包括DON（Decoding Order Number），并且至少包含一个单时刻聚合单元，如下图所示

single-time aggregation unit的格式如下图所示：

一个RTP包含一个STAP-A组合包，一个STAP-A包含两个单时间聚合单元的示例如下图所示：

具体数据示例：
【00 00 00 01 67 42 C0 1F 8C 8D 40 48 14 B2 F0 0F 08 84 6A】
【00 00 00 01 68 CE 3C 80】
将以上SPS、PPS两个H264 NAL单元封装成STAP-A形式如下所示：
【RTP Header】【78 00 0F 67 42 C0 1F 8C 8D 40 48 14 B2 F0 0F 08 84 6A 00 04 68 CE 3C 80 】
78：第一位表示F为，值为0；第二三位表示NRI重要程度；后五位Type，值为24，表示STAP-A类型。
00 0F：NALU 1 size
67：NALU 1 HDR
42 C0 1F 8C 8D 40 48 14 B2 F0 0F 08 84 6A：NALU 1 data
00 04：NALU 2 size
68：NALU 2 HDR
CE 3C 80：NALU 2 data

3.分片封包模式

当H264 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 ，主要包含FU-A和FU-B两种形式，FU-A分包格式如下图所示：

FU indicator的格式如下图所示：

F：禁止位，与NALU Header的F位一致
NRI：重要程度，与NALU Header的NRI一致
Type：分包类型，28表示FU-A类型，29表示FU-B类型

FU header的格式如下图所示：

S：占1bit，值为1，表示NAL分包的开始，其余情况值为0。
E：占1bit，值为1，表示NAL分包的结束，其余情况为0。
R：占1bit，值为0，表示保留位。
Type：占5bit，值为H264 NALU Header中的Type。

        具体数据示例：
【00 00 00 01 65 b8 00 01 4d 00 00 ff bc 5d…】
将H264 I帧进行分包，具体的分包多少由I帧的数据长度和设置分包大小决定，示例如下所示：
【RTP Header】【7c 85】【H264 Payload Data】
【RTP Header】【7c 05】【H264 Payload Data】
【RTP Header】【7c 45】【H264 Payload Data】
7c 85：表示分包开始包。
7c 05：表示分包中间包。
7c 45：表示分包结束包。

 通过wiereshark抓包分析协议格式：

三、H264封装示例
读取一个H264文件，封装为RTP协议格式进行传输，具体实现如下所示：

1、SPS、PPS采用单包模式发送。
2、I帧、P帧采用FU-A分包模式发送。
3、注意RTP Header中Mark标记位的设置和相对时间戳的设置。 MARK标记的是首包

知识点：
AUD：
一般文档没有对AUD进行描叙，其实这是一个帧开始的标志，字节顺序为：00 00 00 01 09 f1，从结构上看，有start code, 所以确实是一个NALU，类型09在H264定义里就是AUD（分割器）。大部分播放器可以在没有AUD的情况下正常播放。紧随AUD，一般是SPS/PPS/SEI/IDR的组合或者简单就是一个SLICE，也就是一个帧的开始。像Flash这样的播放器，每次需要一个完整的帧数据，那么把2个AUD之间的数据按照格式打包给播放器就可以了。

H.264编码时，在每个NAL前添加起始码 0x000001，解码器在码流中检测到起始码，当前NAL结束。为了防止NAL内部出现0x000001的数据，h.264又提出’防止竞争 emulation prevention"机制，在编码完一个NAL时，如果检测出有连续两个0x00字节，就在后面插入一个0x03。当解码器在NAL内部检测到0x000003的数据，就把0x03抛弃，恢复原始数据。
0x000000 -----------> 0x00000300
0x000001 -----------> 0x00000301
0x000002 -----------> 0x00000302
0x000003 -----------> 0x00000303

总的来说，H264的码流的打包方式有两种,一种为annex-b byte stream format 的格式，这个是绝大部分编码器的默认输出格式，就是每个帧的开头的3~4个字节是H264的start_code,0x00000001或者0x000001；另一种是原始的NAL打包格式，就是开始的若干字节（1，2，4字节）是NAL的长度，而不是start_code,此时必须借助某个全局的数据来获得编 码器的profile,level,PPS,SPS等信息才可以解码。

H.264的NALU单元组织格式

这里需要了解下H264打包方式，所谓打包方式就是如何组织一连串的NALU单元为完整的H264码流，目前有两种主流格式：
Annex-B 和 AVCC

一、Annex-B: :
通过起始码startCode(0x00000001或0x000001)来分割NALU,打包方式如下：
[start Code]–[NALU]–[start code]–[NALU]…

二、AVCC:
([extradata]) | ([length] NALU) | ([length] NALU) | …
这种模式也叫AVC1格式，和上述Annex-b相比没有起始码。 其中AVCC这种格式下NALU一般没有sps、pps等参数信息，这些信息属于额外数据extradata存放在其他地方。 extradata后面就是nalu数据，在每帧前面几个字节（通常是4字节）是帧长度。

第1字节：version (通常0x01)
第2字节：avc profile (值同第1个sps的第2字节)
第3字节：avc compatibility (值同第1个sps的第3字节)
第4字节：avc level (值同第1个sps的第3字节)
第5字节前6位：保留全1
第5字节后2位：NALU Length 字段大小减1，通常这个值为3，即NAL码流中使用3+1=4字节表示NALU的长度
第6字节前3位：保留，全1
第6字节后5位：SPS NALU的个数，通常为1
第7字节开始后接1个或者多个SPS数据
	SPS结构 [16位 SPS长度][SPS NALU data]

SPS数据后
第1字节：PPS的个数，通常为1
第2字节开始接1个或多个PPS数据
	PPS结构 [16位 PPS长度][SPS NALU data]

上述内容参考 https://titanwolf.org/Network/Articles/Article?AID=7efa4423-1e7d-46e0-ba19-6f5c6eec84a7

关于Annex-B和AVCC两种格式总结
1、两种格式都有防止竞争字节
2、使用场景如下：

Annex B格式通常用于实时的流格式，比如说传输流，通过无线传输的广播、DVD等。在这些格式中通常会周期性的重复SPS和PPS包，经常是在每一个关键帧之前，因此据此建立解码器可以一个随机访问的点，这样就可以加入一个正在进行的流，及播放一个已经在传输的流。

AVCC格式的一个优点是在开始配置解码器的时候可以跳到流的中间播放，这种格式通常用于可以被随机访问的多媒体数据，如存储在硬盘的文件。
也因为这个特性，MP4、MKV通常用AVCC格式来存储。