助力Robotaxi商业化，腾讯云音视频实现开放道路远程驾驶”0“卡顿

当车辆遇到紧急情况或自动驾驶无法识别的极端情况，车辆会进行识别并作出减速、刹停等相关反应，并由远程安全员进行接管。一般在远程接管时，会进行低速行驶（5-30km/h），待远程驾驶车辆脱困后再切换到正常速度行驶。而在远程接管过程中，保证远程画面的实时性与稳定性至关重要。其中，画面时延决定了远程安全员做出反应的速度，画面信息从现场传送到远程操控的屏幕上，需要经历摄像头采集、编码、网络传输、解码、渲染等环节，耗时越长，就会产生远程画面和一线车况的“时差”，后果不堪设想。此外，在公开路段的公网条件下，网络挑战大，一旦出现网络不稳定的情况，也会导致画面卡顿，影响安全员操作。

腾讯云5G远程操控解决方案基于经过20多年技术积累，以及腾讯会议、微信视频号等国民级产品的打磨的腾讯云实时音视频技术，并从实时性和稳定性等方面进行了优化升级, 落地Robotaxi商业化场景，在保障200ms端到端画面延时同时， 针对开放道路行驶中出现的单网信号盲区和弱带宽等情况，实现150ms视频卡顿率<0.1%，99%分位视频延迟<200ms, 并做到全程视频无明显肉眼感知卡顿，让远程安全员实时稳定掌握车辆一线情况，助力自动驾驶商业化加速落地。

为了达到这样的视频延迟和稳定性指标，其背后面临的技术挑战是非常大的。相比传统音视频通话，Robotaxi远程接管场景虽然也是1v1，但其视频路数往往会有6-8路，每路分辨率也基本在720P或1080P甚至更高。这样规模的像素量，无疑会增加整体处理延迟以及对网络带宽的要求。而需求却是要在这种情况下，进一步降低延迟，并在带宽更弱的网络条件下保障视频的稳定性。面对这样的矛盾，我们除了针对硬件性能进行了极限优化外，为了突破理论瓶颈，还引入了分辨率、多网等新的优化自由度。下面是一些具体分享。

全链路优化，打造极致低延迟

在实时性方面，针对相机采集、编码、链路传输、接收解码以及渲染等环节，进行全链路优化，相比基于CPU处理的RTC链路将画面延迟降低约100ms。

采集 + 图像变化 +编码加速

图像变换和视频编码等处理，基于硬件芯片加速，往往可以缩短处理延迟，但是不同处理步骤中，芯片内存和CPU内存之间的转换又可能会造成一定耗时。为了实现最低的延迟处理，基于业界最常用的nvidia自动驾驶芯片平台，腾讯云音视频远控方案进行了完整的发送链路加速优化，使得处理过程中数据完全基于芯片内存进行，而不经过CPU内存。

相机数据采集阶段，放弃了最常用的MMAP采集，而是选用了DMA方式进行采集，减少了1次CPU拷贝，通过句柄将相机数据直接拷贝到芯片物理内存中。

在图像变换和视频编码阶段，复用了编码器的输入队列作为处理缓冲，采用循环使用的方式，进行图像变换和视频编码的处理，同时避免阻塞等待。

在编码输出时，通过MMAP的方式，将编码器输出的编码数据导出到CPU内存中，至此实现了这编码前的阶段数据不回落CPU内存，降低了处理延迟和CPU占用率。

发送和接收缓存优化

音视频发送和接收时，通常会引入缓存，来保证音视频传输的流畅性。比如发送阶段pacing处理和接收阶段的jitterbuffer。腾讯云音视频远控方案中，为了降低延迟，对缓存进行了优化。首先是pacing的处理，放弃了应用层的pacing，而转向利用发送端的网络模组中的缓存来平稳发送。在JitterBuffer的处理，引入动态的buffer调整算法，并强调了通过更快的网络估计和更平稳的自适应来保证传输流畅性，将帧间隔波动稳定在15ms以内。

解码 + 渲染 + 超分加速

类似于发送段，在接收端解码到渲染链路中，腾讯云音视频远控方案中也引入了全GPU内存的处理方式，让数据不经过CPU内存，尽量减少延迟。同时在图像格式变换、超分上采样等过程中，引入了one-stage的渲染管线处理方式，以进一步降低了图像格式变换和超分处理带来的延迟。

多视频流联合调度+实时超分

保障低带宽下视频QoS

稳定性方面，由于公开道路环境复杂，网络波动较大，易出现覆盖盲区，远控视频质量无法有效保障，是阻碍远程驾驶落地运营的一大痛点。腾讯云实时音视频在音视频码率自适应、HARQ丢包抵抗等传统抗弱网技术基础上，新引入多视频流qos优先级调度+动态实时超分等多项技术，在极低带宽的弱网环境下，也能通过分辨率和优先级调整，保障主要视频流的画质和稳定传输。

多流联合带宽估计

这里将每个视频流的接收间隔和丢包独立进行反馈，并在发送端进行联合带宽估计。由于每个视频流数据发送时在时间和大小上具有独立性，相比将所有视频流的包合并进行反馈，每个视频流独立反馈并联合估计可以更快地响应网络变化，并且能估计出更多的带宽。

码率 + 分辨率联合调节

由于硬件编码器本身的实现，对给定分辨率的视频进行编码时，码率上往往存在一个范围约束。当设置码率低于这个范围时，编码实际码率可能会不受设置码率影响或画质出现剧烈下降。为了让编码器能够更准确地响应设置码率，且避免画质的的异常下降，给出了动态分辨率和码率联合调节的策略。根据编码输出QP范围的变化，对编码的分辨率进行调整。

发送优先级调度

引入基于比例公平的发送优先级调度策略，提升主要路视频流的传输优先级，利于主要路视频流抢占到更多带宽。同时引入背压机制，当次要路视频流数据发送受到对应队列数据积压导致的背压时，会进一步降低次要路视频流的码率。

实时超分算法

为了降低动态分辨率引入的带来的分辨率下降对画质的影响，引入了发端降采样+收端超分的联合优化方案。考虑到延迟的重要性，通过硬件加速来实现降采样，并利用shader渲染来实现超分，可以做到<5ms的延迟增加。降采样和超分算法，以PSNR为目标进行调教，在2X倍数下与原图PSNR>32dB, 1.5X倍数下与原图PSNR>35dB。

多网络路径传输，实现“0”卡顿

开放道路行驶，网络往往会遇到弱覆盖区域，无法有效保障视频的传输。为了提升开放道路上视频的连续稳定性，需要引入多网络路径传输技术，可以让多个视频流在多个运营商网络上同时传输，并在发生弱网时及时切换，保障视频传输的稳定性。

传统的网络链路切换，一方面需要较长的检测时间，增加了切换的时长；另一方面切换时，可能会产生较大的网络波动引起视频卡顿。同时在双弱网场景下，很容易出现反复切换或切换失败导致视频卡住的情况。为了降低切换时的视频卡顿，提升双弱网情况下的传输效率，使用联合传输的方式，对多网的主副通道进行了前向纠错联合编码，通过调整前向纠错的冗余率以及打孔率平滑多网切换过程，实现接近0卡顿网络切换，并可应对双弱网场景，实现通过两个网络联合传输。

如果您想要进一步了解或使用腾讯云相关能力，欢迎扫描下方二维码添加音视频小姐姐微信，我们将安排产研同学专门跟进您的需求。

腾讯云音视频在音视频领域已有超过21年的技术积累，持续支持国内90%的音视频客户实现云上创新，独家具备腾讯云RT-ONE™全球网络，在此基础上，构建了业界最完整的 PaaS 产品家族，并通过腾讯云视立方 RT-Cube™ 提供All in One 的终端SDK，助力客户一键获取众多腾讯云音视频能力。腾讯云音视频为全真互联时代，提供坚实的数字化助力。