FMS间实现流共享

本文详细介绍了如何使用两个FMS服务器配置流媒体传输,包括源服务器采集流,边缘服务器自动连接并播放流的过程。通过新建main.asc文件实现服务器间的自动连接与流播放,展示了从创建连接到播放流的完整流程。
有两个FMS服务器:
一个FMS作为源服务器A,它负责采集流,在APP(test)中,livestream为流名
一个FMS作为边缘服务器B,在它的APP中新建一main.asc文件,
服务器启动时,它会自动执行.


NOTE:
这些服务器都必须是Flash media interactive server版才行。


其中,
A的ip为10.0.117.21
B的ip为10.0.117.6


main.asc代码如下:
application.onAppStart = function() {
  this.myNC= new NetConnection();  
  this.myNC.onStatus = NC_onStatus;
  this.myNC.connect("rtmp://10.0.117.21/test"); 
};


function NC_onStatus(info){   
  switch (info.code) {
    case "NetConnection.Connect.Success" :
      application.myStream = Stream.get("livestream");
      application.myStream.onStatus = NS_onStatus;
      if (application.myStream){
        application.myStream.play("livestream",-2, -1,false,application.myNC);
      }
      trace("连接成功!");   
      break;
    case "NetConnection.Connect.Failed" :
      trace("连接失败!");
      break;
    case "NetConnection.Connect.Rejected" :
      trace("连接失败!");
      break;
  }
}
function NS_onStatus(info){   
   trace(info.code);  
}


直接用fvplayer播放B的流:
rtmp://10.0.117.6/test/livestream
可播放


原文链接:
http://blog.sina.com.cn/s/blog_9ac492410100x80i.html


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值