ETSIIT技术挑战赛：从学生到创业者的Locaviewer之路

本文由TechChallenge获胜团队撰写：Israel Blancas Álvarez、Ignacio Cara Martín、Nicolás Guerrero García、Benito Palacios Sánchez。

一年前我们踏上IV ETSIIT技术挑战赛（视频）。我们是谁？西班牙格拉纳达大学电气工程与计算机科学专业四名学生。

团队Prometheus赢得RTI赞助的Tech Challenge。4-5人团队需针对外部合作伙伴提出的真实问题创建产品。当年主题："多智能体视频分布式系统"。

参赛初衷是获取实战经验。一年后，仍在就读的我们发现商机，设计竞品Locaviewer，制定市场策略，构建工作原型——除完成学业外全额外完成。

Locaviewer

许多家长担心孩子在幼儿园健康与进展。Locaviewer给家长提供孩子实时可视化。我们制作宣传视频展示方案，源码MIT许可开源于GitHub。

团队组织与进度

项目耗时约250小时。每周固定4小时会议，冲刺月增至周20小时。为效率分两子团队：一组攻室内蓝牙定位算法，一组负责视频采集、编解码、通过RTI Connext DDS分发。

定位算法

核心是定位幼儿园内每个孩子。每童佩戴蓝牙传感器腕带，持续向墙壁固定接收器上报接收信号强度指示（RSSI）。我们将RSSI映射为距离，建立可靠关系。

RSSI读数传至微型计算机（树莓派或MK802 III）运行三角测量算法定位每童。知晓摄像头位置，可为每童选择最优摄像头。

视频录制应用

采用GStreamer for Java处理实时视频采集、编解码、显示。替代方案vlcj不支持树莓派或不满足延迟需求。经大量调研，GStreamer合适，允许通过AppSink和AppSource元素访问编码视频缓冲并发布至DDS主题。

选用VP8 (WebM)编码器。因Java封装兼容GStreamer 0.10，降低分辨率适配平台约束。测试配置用树莓派，计划迁移MK802 III获更强算力保持成本相当。

创建VP8编码器Java片段：

Element codec = ElementFactory.make("vp8enc", null); codec.set("threads", 5); codec.set("max-keyframe-distance", 20); codec.set("speed", 5); Element capsDst = ElementFactory.make("capsfilter", null); capsDst.setCaps(Caps.fromString("video/x-vp8 profile=(string)2"));

客户端管线配置：

VP8解码器Java代码：

String caps = "video/x-vp8, width=(int)320, height=(int)240, framerate=15/1"; Element capsSrc = ElementFactory.make("capsfilter", null); capsSrc.setCaps(Caps.fromString(caps)); Element queue = ElementFactory.make("queue2", null); Element codec = ElementFactory.make("vp8dec", null); Element convert = ElementFactory.make("ffmpegcolorspace", null);

尝试JPEG编码，但包体积大导致实时流不切实际。

DDS架构

发布订阅模型为核心，免去手动管理Socket连接。我们通过自研封装库DDStheus抽象DDS交互。

最终系统包含六程序共享三主题，用三语言实现：

1. Python处理底层蓝牙。
2. MATLAB/Octave跑三角测量脚本。
3. Java集成RTI Connext DDS与GUI开发。

需获取房间内所有RSSI值，编写脚本配置接收器采集数据。经本地Socket转发至Java程序，发布至传感器数据主题，含儿童ID（传感器MAC）、接收器ID、位置、当前房间（过滤键）、RSSI值、过期时间。

视频采集编码后，Java程序Gava通过视频数据主题传流，标记摄像头ID与房间信息。利用ContentFilteredTopic按摄像头位置和房间过滤流。

摄像头元数据——ID、房间、位置——存储在各发布者USER_DATA QoS字段。三角测量微机可发现房间内所有摄像头，实时检测新增/离线摄像头，动态调整选择算法。

最后将传感器与视频数据聚合至儿童数据主题。房间服务器（树莓派或MK802 III）三角测量定位并选最优摄像头。按房间过滤传感器，获取摄像头信息，运行Octave脚本计算儿童位置与最优摄像头，发布至云端。儿童ID与视频质量作过滤键实现高效订阅。

为优化资源，房间服务仅当订阅者请求特定儿童数据时执行三角测量脚本，通过订阅者发现与ContentFilteredTopic过滤器判定。

还实现容错机制：各微机在USER_DATA发布优先级ID。最低ID节点成活动服务器，直到更低ID节点加入。

用户应用

开发两个终端应用。一供家长实时查看孩子。二供幼儿园员工监控所有摄像头、管理家长权限、自动考勤。

结语

面临两大挑战：

1. 从低成本蓝牙设备（~$5）获准确RSSI。开发算法将定位误差从3米降至0.5米。Java缺底层蓝牙支持，通过Python（pybluez）与Java交换数据解决。
2. 优化视频编码。难找暴露编码缓冲的库，树莓派上调优GStreamer 0.10具挑战。最终配置达3-5秒延迟。替换为MK802 III（Wi-Fi+双核Cortex-A9）将提升性能。

RTI Connext DDS处理网络、序列化、QoS为我们节省大量精力。感谢工程学院与RTI提供机会与资源，让我们成功攻克此商业挑战。

了解更多：

自动驾驶汽车生产 »

自动驾驶系统连接性 »

什么是IIoT？ »

什么是DDS？ »