Circle项目双屏显示技术解析
2025-07-05 02:49:54作者:谭伦延
在嵌入式开发中,多屏显示是一个常见需求。本文将深入探讨如何在Circle项目中实现DSI触摸屏和HDMI显示器的双屏输出。
硬件支持基础
Circle项目基于树莓派平台,从树莓派4代开始,硬件上支持同时连接多个显示器。具体来说:
- 可以同时连接DSI接口的触摸屏和HDMI显示器
- 理论上甚至支持连接三个显示器(2个HDMI+1个DSI)
- 显示器必须在系统启动时就连接好,不支持热插拔
软件配置要点
要实现双屏显示,需要进行以下关键配置:
- 在config.txt配置文件中设置
max_framebuffers参数,该值需要大于等于实际使用的显示器数量 - 系统启动时所有显示器必须已连接,否则初始化会失败
编程实现方法
在Circle项目的C++代码中,可以通过创建多个C2DGraphics实例来实现多屏显示控制:
// 主显示器实例(默认显示0)
C2DGraphics display1(0, 0, true, 0);
// 第二显示器实例(显示1)
C2DGraphics display2(0, 0, true, 1);
构造函数参数说明:
- 前两个参数为宽高(0表示自动检测)
- 第三个参数控制垂直同步
- 第四个参数指定显示器编号(0-based)
使用场景建议
- GUI+内容展示:DSI触摸屏用于交互界面,HDMI输出用于内容展示
- 显示镜像:可以将同一内容镜像输出到两个显示器
- 扩展桌面:实现不同显示器显示不同内容(需要应用层支持)
注意事项
- HDMI显示器必须在系统启动前连接
- 需要确保config.txt中framebuffer数量配置正确
- 树莓派4之前的型号可能不支持此功能
- 性能考虑:同时驱动多个显示器会增加GPU负担
通过合理配置和使用Circle项目提供的API,开发者可以轻松实现树莓派平台上的多屏显示功能,为嵌入式应用提供更丰富的显示方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147