TFT_eSPI项目中的ST7796触摸屏与SD卡兼容性问题解决方案
2025-06-15 23:30:30作者:尤辰城Agatha
问题背景
在使用TFT_eSPI库驱动ST7796触摸屏时,许多开发者遇到了一个常见问题:当同时使用SD卡功能时,触摸屏功能会出现异常。具体表现为:
- 如果先初始化SD卡再初始化TFT屏幕,触摸功能可以工作,但SD卡在后续操作中无法访问
- 如果先初始化TFT屏幕再初始化SD卡,SD卡可以正常工作,但触摸功能失效
问题根源
这个兼容性问题的根本原因在于ESP32的SPI总线分配。ESP32有两个SPI控制器:
- HSPI(硬件SPI1)
- VSPI(硬件SPI2)
默认情况下,TFT_eSPI库和SD库都会尝试使用VSPI总线。当两个设备同时使用同一SPI总线时,就会出现资源冲突,导致功能异常。
解决方案
对于使用ST7796驱动芯片的4英寸电阻触摸屏,正确的解决方法是明确指定TFT屏幕使用HSPI总线,而SD卡使用VSPI总线。具体实现方式如下:
-
在TFT_eSPI的用户设置文件中,确保定义了使用HSPI端口:
#define USE_HSPI_PORT -
确认SPI引脚分配正确:
- HSPI(TFT屏幕):
- MISO: GPIO12
- MOSI: GPIO13
- SCLK: GPIO14
- CS: GPIO15
- VSPI(SD卡):
- MISO: GPIO19
- MOSI: GPIO23
- SCLK: GPIO18
- CS: GPIO5
- HSPI(TFT屏幕):
-
在代码初始化顺序上,建议先初始化SD卡再初始化TFT屏幕,这样两个功能都能正常工作。
技术细节
这种解决方案有效的原理在于:
- 物理隔离:通过将两个高带宽设备分配到不同的SPI总线,避免了总线争用
- 时序优化:HSPI和VSPI可以独立工作,不会相互影响通信时序
- 资源分配:ESP32的SPI控制器有独立的DMA通道,分开使用可以提高整体性能
实际应用建议
在实际项目开发中,还应注意以下几点:
- 对于其他型号的TFT屏幕,可能需要检查具体的SPI要求
- 如果项目中还需要使用其他SPI设备,应合理规划总线分配
- 在高速数据传输场景下,可以考虑使用DMA进一步优化性能
- 调试时可以使用逻辑分析仪观察SPI总线活动,帮助诊断问题
通过正确配置SPI总线分配,开发者可以充分利用ESP32的双SPI控制器优势,实现TFT触摸屏和SD卡等外设的稳定协同工作。
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
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322