这里主要关注的rtp包的时间戳，在rtsp中，播放器的1S钟的定义是和媒体的采样率有关的。
例如视频的采样率是90K，那么最小时间粒度（单位）是1/90000秒，再转换成ms就是 1/90毫秒，这个就是rtsp中的最小时间单位。
所以设备端采集的视频的时间要经过一个转换，标准的播放器才能播放
还是以90K的视频为例，设备采集到的单位是按时间tv_sec，tv_usec存储。
/* timestamp convert
t(rtsp时间戳，单位ms) = t(采集时间戳，单位秒)*90000
*/
unsigned int tv_sec, tv_usec, pts;
tv_sec = ts / 1000;
tv_usec = (ts % 1000) * 1000;
pts = tv_sec * 90000 + tv_usec *9 / 100;
对应的如果是8K采样率的音频，则转化公式是：
/* timestamp convert
t(rtsp时间戳，单位ms) = t(采集时间戳，单位秒)*8000
*/
tv_sec = ts / 1000;
tv_usec = (ts % 1000) * 1000;
pts = tv_sec * 8000 + tv_usec *8/1000;