SharkClient

KO | EN

gitlite — search

#javascript #python #react #ai #typescript #rust #nodejs #windows #awesome #cli #awesome-list #pytorch #ios #mcp

(★ 13)

Rust重构版本自定义客户端

SharkClient 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# SharkClient

> RoboMaster 风格的多机器人地面站客户端 · Tauri 2 + Vue 3 + Rust · v1.0.0

SharkClient客户端整合了 UDP H.265 视频接收、HUD 自定义叠加、MQTT 双向协议、外置 AI 检测和多种打包形态，目标是提供一份从克隆到运行都能跑通的、面向 RoboMaster 的开源参考实现。

本目录是 **v1.0.0 快照**。只需准备好 Node.js、Rust 工具链与平台依赖即可进入开发与构建流程。

> 当前仓库随附 AI 检测后端源码包：
> `SharkVisionLiteServer-open-source-v1.0.0-20260519.zip`
>
> 该压缩包内容为 `SharkVisionLiteServer/` 目录的 v1.0.0 公开源码发行版，
> 包含 Python 推理服务、ONNX 模型、TensorRT 工具脚本、INT8 校准图片和完整 README。

---

## 目录

- [核心特性](#核心特性)
- [系统架构](#系统架构)
- [仓库结构](#仓库结构)
- [环境要求](#环境要求)
- [快速上手](#快速上手)
- [构建与运行](#构建与运行)
- [资源配置](#资源配置)
- [可选能力](#可选能力)
- [发行打包](#发行打包)
- [协议生成与验证](#协议生成与验证)
- [已知限制与 FAQ](#已知限制与-faq)
- [贡献指南](#贡献指南)
- [版本与变更](#版本与变更)
- [许可证](#许可证)
- [致谢](#致谢)

---

## 核心特性

- **UDP H.265 视频管线**：自定义分包/组帧协议，1080P 流可稳定接收；解码层主动丢弃积压旧帧，优先呈现最新画面，避免端到端延迟累积。
- **多解码后端**：默认走 WebCodecs 浏览器内解码，桌面端可切换 Rust 侧 libde265 软解或可选 GPU 路径，能在没有硬件加速的低性能机器上回退运行。
- **MQTT 双向协议**：基于 `messages.proto` 自动生成强类型前端 JSON Schema；裁判系统状态、控制指令、自定义数据块均按消息名解析与发送。
- **可定制 HUD 系统**：XML 描述 + Vue 渲染，预置准星、边框、血量指示器、警告区域、视频缩放状态等组件，可在运行时编辑布局与样式。
- **外置 AI 检测**：检测服务作为独立 Python 进程接入，通过 Windows Named Pipe / Linux Unix Socket 传控制信息，帧数据走共享内存零拷贝；可热启停、可换模型。
- **多发行形态**：单一源码可产出 Windows lite/mini/single 三档安装包、Linux tar.gz 与 Flatpak，按目标平台与依赖完整性按需选择。
- **跨平台一致**：Windows 10/11 与 Ubuntu 22.04+ 是主测平台；CI 工作流位于 `.github/workflows/ci.yml`。

---

## 系统架构

```
                              ┌────────────────────────────────────────┐
                              │            操作员（前端 UI）            │
                              │   Vue 3 + Pinia + WebCodecs/Canvas     │
                              └──────────────┬─────────────────────────┘
                                             │ Tauri IPC / events
                              ┌──────────────┴─────────────────────────┐
                              │             Tauri 2 Runtime            │
                              │           (Rust async backend)         │
                              ├─────────────┬───────────────┬──────────┤
                              │  UDP Bridge │ Video Decoder │  MQTT    │
                              │  ─────────  │   ─────────   │  ──────  │
                              │  分片组帧    │  libde265 软解 │ rumqttc │
                              │  MJPEG 兼容 │ 内嵌精简ffmpeg │ proto-  │
                              │  统计监控    │  丢旧帧策略    │ 强类型   │
                              └──────┬──────┴───────┬───────┴────┬─────┘
                                     │              │             │
                          UDP 视频流  │     SHM 帧   │  MQTT TCP   │
                                     ▼              ▼             ▼
                              ┌──────────────┐ ┌─────────────┐ ┌──────────┐
                              │  机器人/裁判  │ │ Python 检测 │ │  Broker  │
                              │  视频发送端   │ │  外置服务   │ │          │
                              └──────────────┘ └─────────────┘ └──────────┘
```

三条主线在后端互相解耦：

1. **UDP 视频线**：`src-tauri/src/udp_bridge/` 负责接收、分片重组、码流嗅探（H.265 / MJPEG）和统计。组好的帧推到前端或共享内存。
2. **解码线**：`src-tauri/src/video_decoder/` 提供 `native`（libde265 vendored 源码软解）与 `gpu` 两种实现，前端首选 WebCodecs（已废弃）；解码过程主动丢弃积压旧帧。
3. **MQTT 控制线**：`src-tauri/src/mqtt_client/` 基于 rumqttc，与前端 `src/mqtt/` 共同完成 proto → JSON Schema → Vue store 的端到端类型化数据流。

外置 AI 检测通过 `scripts/detection_pipe_server.py` 启动，Pipe / Socket 只承载控制 JSON，帧数据由 `src-tauri/src/shm_bridge.rs` 写入共享内存，避免大数组在 IPC 层来回拷贝。

---

## 仓库结构

| 路径 | 说明 |
| --- | --- |
| `src/` | Vue 3 前端：视图、组件、Pinia store、MQTT/解码 Worker、生成代码 |
| `src/views/` | `Dashboard`、`Settings`、`Telemetry`、`CustomDataConfig` 等顶层视图 |
| `src/components/` | HUD 元素、控制面板、状态条等 UI 单元 |
| `src/store/modules/` | `mqtt_data`、`dashboard`、`hud-templates` 等状态切片 |
| `src/generated/mqtt-proto.json` | 由 proto 编译得到的协议 JSON，**仓库已预生成** |
| `src-tauri/` | Rust/Tauri 后端工程 |
| `src-tauri/src/udp_bridge/` | UDP 接收、组帧、MJPEG 兼容、统计 |
| `src-tauri/src/video_decoder/` | libde265 软解 (`native.rs`) 与 GPU 路径 (`gpu.rs`) |
| `src-tauri/src/mqtt_client/` | MQTT 客户端封装 |
| `src-tauri/src/shm_bridge.rs` | AI 检测共享内存桥 |
| `src-tauri/vendor/libde265/` | H.265 解码库 vendored 源码（必需，构建时编译） |
| `resources/` | 运行时资源：地图、HUD 模板、配置、proto |
| `scripts/` | 构建、打包、依赖下载、AI 辅助脚本 |
| `SharkVisionLiteServer-open-source-v1.0.0-20260519.zip` | AI 检测后端 v1.0.0 公开源码发行包，解压后可重命名为 `AI Server/` |
| `flatpak/` | Linux Flatpak 打包描述（可选） |
| `docs/` | UDP 低延迟优化笔记等设计文档 |
| `.github/workflows/` | CI 工作流 |

---

## 环境要求

| 组件 | 最低版本 | 说明 |
| --- | --- | --- |
| Node.js | 20 LTS | 推荐使用 nvm / fnm 管理 |
| npm | 10+ | 随 Node 自带 |
| Rust | stable (>=1.78) | 通过 `rustup` 安装 |
| Windows | 10 / 11 | 需 Microsoft Edge WebView2 Runtime |
| Linux | Ubuntu 22.04+ | 需 WebKitGTK 4.1、GTK 3、libsoup 3、patchelf |

Linux 系统依赖一行装齐：

```bash
sudo apt-get update
sudo apt-get install -y \
  libwebkit2gtk-4.1-dev \
  libgtk-3-dev \
  libsoup-3.0-dev \
  libjavascriptcoregtk-4.1-dev \
  librsvg2-dev \
  patchelf \
  build-essential
```

Windows 推荐通过 `winget` 安装：

```powershell
winget install OpenJS.NodeJS.LTS
winget install Rustlang.Rustup
winget install Microsoft.EdgeWebView2Runtime
```

---

## 快速上手

```bash
# 1. 安装依赖
npm install

# 2. 启动开发模式（前端 Vite + Tauri 桌面壳）
npm run tauri dev

# 3. 编译发行二进制
npm run tauri build
```

> **提示**：仓库已经携带预生成的 `src/generated/mqtt-proto.json`，无需 proto 源即可启动开发和构建。仅当你要修改协议时才需要按 [协议生成与验证](#协议生成与验证) 节准备 `messages.proto`。

---

## 构建与运行

### 开发模式

```powershell
npm run tauri -- dev
```

前端默认监听 `http://localhost:1420`，Tauri 自动挂载 WebView。开发模式下打开 DevTools 可观察 IPC、MQTT、视频统计等事件。

### 仅前端构建

```powershell
npm run build
```

产物输出到 `dist/`，可被 Tauri 包装为桌面应用，也可用于纯浏览器内调试（无桌面后端能力）。

### 仅后端检查

```powershell
cargo check --manifest-path src-tauri/Cargo.toml
```

CI 也会跑这一步。

### 完整桌面构建

```powershell
npm run tauri build
```

会按 `src-tauri/tauri.conf.json` 的 `bundle.targets` 产出对应安装包（默认 Windows NSIS、Linux deb/AppImage）。

---

## 资源配置

`resources/` 下的资源在打包时会被嵌入应用，开发期通过 Tauri 资源协议直接读取。

| 路径 | 内容 |
| --- | --- |
| `MessageMQTTConfig.yaml` | MQTT 主题与订阅规则 |
| `RobotConfig.yaml` | 机器人显示元数据 |
| `RoboSelect.yaml` | 机器人选择面板配置 |
| `CustomByteBlockConfigs/*.{proto,xml}` | 自定义字节块（balance/drone/engineer/hero/infantry/radar/sentry） |
| `CustomData/{ReceiveDataBlock,Template}.proto` | 自定义数据块协议 |
| `CustomElement/` | HUD 静态/动态/固定元素 XML 描述 |
| `HUDPanel/` | HUD 面板模板（含本次新增的 `VideoZoomStatus.xml`） |
| `DashboardConfig/` | Dashboard 布局预设 |
| `MapConfig/` / `Map.png` | 地图标定与底图 |
| `VehiclePhysics/` / `physics/` | 车辆物理参数 |
| `splash.html` | 启动画面 |

修改 yaml/xml 后无需重新编译 Rust，前端热重载即可看到效果；修改 proto 需要重新生成 `src/generated/mqtt-proto.json`。

---

## 可选能力

### FFmpeg（嵌入式视频解码）

默认走 libde265 软解或 WebCodecs。若要在 Tauri 二进制内嵌入 FFmpeg 静态库（启用 `internal-ffmpeg` feature），可重新生成依赖：

```powershell
# Windows
npm run build:ffmpeg:minimal

# Linux
bash scripts/build-ffmpeg-minimal-linux.sh
```

也可以通过环境变量指向系统已有的 FFmpeg：

```powershell
$env:SHARK_FFMPEG_PATH = "C:\path\to\ffmpeg.exe"
```

构建产物默认放在 `src-tauri/vendor/ffmpeg-static/`（已在 `.gitignore` 中）。

### ONNX Runtime / AI 检测

AI 检测默认是 **可选外置 Python 服务**，不随客户端启动。仓库随附
`SharkVisionLiteServer-open-source-v1.0.0-20260519.zip`，解压后可获得完整后端源码、模型与校准帧。

客户端运行期默认查找 `AI Server/`，可按下面方式准备目录：

```powershell
Expand-Archive .\SharkVisionLiteServer-open-source-v1.0.0-20260519.zip -DestinationPath .
Rename-Item .\SharkVisionLiteServer "AI Server"
cd "AI Server"
py -3.12 -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
```

后端目录结构：

```
AI Server/
├── README.md
├── server/
│   ├── Server.py
│   └── pipe_server.py
├── requirements.txt
├── test_images/
└── model/
    ├── armor.onnx
    └── car.onnx
```

如需构建旧的嵌入式/单文件发行包，仍可下载 ONNX Runtime 动态库：

```powershell
# Windows
npm run onnxruntime:download

# Linux
npm run onnxruntime:download:sh
```

如果 `AI Server` 不放在仓库根目录，可通过环境变量指定：

```powershell
$env:SHARK_AI_ROOT = "D:\path\to\AI Server"
```

控制通道协议：Windows 走 Named Pipe，Linux 走 Unix Domain Socket。两端只交换 JSON 控制消息，帧载荷由 Rust 端写入共享内存。

### CUDA / TensorRT（可选加速）

```powershell
# Windows 装 CUDA + cuDNN + TensorRT 工具链
scripts\install-cuda-stack.ps1

# Linux 同上
bash scripts/install-cuda-stack.sh

# 量化为 TensorRT engine（需先放入 onnx + 校准帧）
npm run quantize:int8
```

### Flatpak 打包（Linux，用于ubuntu20.04及以下版本，不推荐使用）

```bash
bash scripts/build-flatpak.sh
```

打包描述位于 `flatpak/`，需要本机已安装 `flatpak`、`flatpak-builder` 与 freedesktop runtime（脚本会提示具体版本号）。

---

## 发行打包

仓库提供三档 Windows 发行形态与一档 Linux 形态：

| 命令 | 形态 | 体积粗略 | 包含 |
| --- | --- | --- | --- |
| `npm run build:lite` | Lite (GPU) | 中 | 主程序 + 必要 DLL + AI Server 入口 |
| `npm run build:lite:cpu` | Lite (CPU) | 中 | 同上，使用 CPU ONNX Runtime |
| `npm run build:mini` | Mini | 小 | 内嵌 FFmpeg 静态库，去掉外置依赖 |
| `npm run build:single` | Single | 大 | 单文件发行，含全部依赖 |
| `npm run build:linux` + `npm run package:lite:linux` | Linux tar.gz | 中 | 跨发行版可移植 |

> 注意：lite/mini/single 系列脚本会要求本机已有 ONNX Runtime 动态库、TensorRT 或 FFmpeg 构建产物；脚本会在缺依赖时给出具体提示。源码仓库本身**只保证开发构建链自包含**，发行包请按脚本提示准备。

打包产物默认输出到：

- `build-lite/`：Windows lite/mini 系列
- `build-linux/`：Linux 系列
- `build-flatpak/` 与 `.flatpak-builder/`：Flatpak 中间产物

---

## 协议生成与验证

MQTT 消息走 protobuf 定义，前端通过编译后的 JSON Schema 完成强类型解析。

### 仓库默认状态

- `src/generated/mqtt-proto.json` **已预生成并随仓库发布**，开箱即可启动开发与构建。
- `npm run predev` / `npm run prebuild` hook 会调用 `generate:mqtt-proto`，**该脚本读取 `UDP-MQTT Server/proto/messages.proto`**——这是项目原始私有 submodule 的协议源，开源仓库不附带。

### 修改协议时

1. 准备一份 `messages.proto`（可来源于上游 SharkClient 主仓的 `UDP-MQTT Server/proto/messages.proto`，或自行编写）。
2. 放到仓库根目录 `UDP-MQTT Server/proto/messages.proto`（脚本默认路径），或修改 `scripts/generate-mqtt-proto-json.mjs` 中 `protoPath` 指向你的路径。
3. 重新生成与校验：

```powershell
   npm run generate:mqtt-proto
   npm run verify:mqtt-proto
   ```

### 不修改协议时

若只想在没有 proto 源的环境下跑 `npm run dev`/`build`，可在 `package.json` 临时移除 `predev` / `prebuild` hook，或通过 `npm run dev --ignore-scripts` / `npm run build --ignore-scripts` 跳过生成；仓库自带的 `mqtt-proto.json` 仍能保证完整功能。

---

## 已知限制与 FAQ

**Q：`npm run dev` 提示找不到 `UDP-MQTT Server/proto/messages.proto`？**
开源版默认不附带 proto 源。仓库的 `mqtt-proto.json` 已经预生成，按上一节说明跳过 hook 即可。需要修改协议时再补齐 proto 源。

**Q：启动后视频画面卡顿、延迟堆积？**
- 检查发送端是否真的是 H.265/HEVC 关键帧间隔合理（建议 GOP <= 30）。
- 在 Settings 内将解码器切到 `Rust libde265` 软解作为对照基线。
- 解码器每跑一轮都会丢掉积压旧帧，如果整机 CPU/GPU 真的不够，会主动降帧而不是堆队列。

**Q：AI 检测启动失败？**
- 确认已从 `SharkVisionLiteServer-open-source-v1.0.0-20260519.zip` 解压出 `AI Server/`，或正确设置 `SHARK_AI_ROOT`。
- Windows 需要 `pywin32`（已在 `AI Server/requirements.txt` 中）。
- 进入 Settings → AI Server 面板查看 Python 子进程 stdout，错误会原样回显。

**Q：Flatpak 构建提示找不到 runtime？**
按 `scripts/build-flatpak.sh` 提示用 `flatpak install` 安装对应版本的 freedesktop runtime 与 SDK。

**Q：能否裁掉某些 HUD 组件？**
HUD 组件由 XML + Vue 双层定义；在 `resources/CustomElement/` 与 `resources/HUDPanel/` 删除对应描述文件，并在 `src/components/` 中移除引用即可，不影响主线视频/MQTT。

---

## 贡献指南

欢迎以 PR 或 Issue 形式参与改进。建议遵循：

1. **从 Issue 起步**：较大改动请先开 Issue 讨论目标与范围，避免多人重叠或方向偏离。
2. **分支策略**：从最新 `main` 派生 `feature/<topic>` 或 `fix/<topic>` 分支。
3. **提交规范**：单次提交聚焦一个目标，commit message 使用中文/英文均可，简述 "动机 + 改动 + 影响范围"。
4. **构建自检**：提交前至少跑通：
   ```powershell
   npm run build
   cargo check --manifest-path src-tauri/Cargo.toml
   ```
5. **协议改动**：涉及 `messages.proto` 时务必同步 `npm run generate:mqtt-proto` 并提交 `src/generated/mqtt-proto.json`。
6. **平台兼容**：尽量同时关注 Windows 与 Linux 路径处理（使用 `path.join` / Rust `Path::join`，避免硬编码 `\` 或 `/`）。

发现安全问题请通过 Issue 私信维护者，不要直接在公开 Issue 暴露 PoC。

---

## 版本与变更

- **v1.0.0** · 2026-05-17 · 首个公开源码发行版本。
  - 完成对外发行清理，源码可独立构建。
  - 随仓库提供 `SharkVisionLiteServer-open-source-v1.0.0-20260519.zip`，作为外置 AI 检测后端源码发行包。
  - 视频管线、HUD 模板、MQTT proto 强类型链路全部就位。
  - 提供 Windows lite/mini/single + Linux tar.gz + Flatpak 多形态打包脚本。

后续变更请参考仓库 commit 历史；正式发布时会在 GitHub Releases 附 changelog。

---

## 许可证

- **GPL-3.0**

`src-tauri/vendor/libde265/` 为 vendored 第三方源码，请遵循其原始许可证（libde265 默认 LGPLv3）。

---

## 致谢

- [Tauri](https://tauri.app/) · 跨平台桌面运行时
- [Vue 3](https://vuejs.org/) · 前端框架
- [libde265](https://github.com/strukturag/libde265) · H.265 解码库
- [rumqttc](https://github.com/bytebeamio/rumqtt) · MQTT 客户端
- [protobuf.js](https://github.com/protobufjs/protobuf.js) · 协议解析
- [ONNX Runtime](https://onnxruntime.ai/) · AI 推理后端

以及所有为 RoboMaster 比赛与开源社区贡献过工具与方案的开发者。

---

如有问题、改进建议或合作意向，欢迎提交 Issue 或在社区频道联系维护者。

SharkClient

SharkClient 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

SharkClient

SharkClient 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README