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 13:05:42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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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++
639
246
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
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
470
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
364
3.02 K