LVGL项目中的外部闪存双镜像资源加载方案解析
2025-05-11 13:03:12作者:彭桢灵Jeremy
背景介绍
在嵌入式系统开发中,使用LVGL图形库时经常会遇到资源存储的问题。特别是在支持OTA(空中升级)功能的设备上,如何高效管理存储在外部闪存中的图形资源(如图片、字体等)成为一个技术挑战。本文将深入分析一种特殊的资源加载方案——基于外部闪存双镜像架构的资源偏移加载机制。
双镜像架构设计
典型的双镜像OTA方案会将外部闪存划分为两个独立的存储区域(Slot1和Slot2),每个slot都包含完整的应用程序和资源数据。这种设计的主要特点是:
- 应用程序代码会被从外部闪存复制到内部闪存的固定地址执行
- 图形资源(图片、字体等)由于体积较大,直接从外部闪存按地址访问
- 两个slot中的资源数据具有相同的相对布局,但位于不同的基地址
技术挑战
在这种架构下,当系统从Slot1切换到Slot2时,所有资源数据的实际物理地址都会发生偏移(通常是16MB的整数倍)。而LVGL中原有的资源访问机制是直接使用编译时确定的地址,这就导致了:
- 图片描述符(lv_img_dsc_t)中的data指针需要动态调整
- 字体结构(lv_font_t)中的各种指针(字形数据、kerning表等)都需要重新计算
- 代码生成工具(如SquareLine)产生的资源引用需要特殊处理
解决方案对比
目前主要有两种解决思路:
运行时描述符复制方案
在系统启动时,为每个资源创建RAM中的副本描述符,并调整其中的指针值。例如:
lv_image_dsc_t img1_ext = img1; // 创建RAM副本
img1_ext.data += offset; // 调整指针
优点:实现简单,不修改LVGL核心代码 缺点:需要手动管理,与代码生成工具集成困难
全局偏移量方案
在LVGL核心中添加全局偏移量机制:
void lv_resource_set_offset(uint32_t offset); // 设置全局偏移
uint32_t lv_resource_get_offset(void); // 获取当前偏移
优点:
- 对上层透明,无需修改应用代码
- 与代码生成工具兼容性好
- 资源访问逻辑集中管理
缺点:
- 需要修改LVGL核心代码
- 增加了少量运行时开销
实现细节分析
在全局偏移量方案中,关键实现点包括:
- 图片资源处理:在图片解码前,自动将描述符中的data指针加上偏移量
- 字体资源处理:需要递归处理字体结构中的所有指针,包括:
- 字形位图数据指针
- kerning表指针
- 其他字体度量数据指针
- 线程安全考虑:在多任务环境下确保偏移量修改的原子性
性能与资源考量
该方案的主要资源消耗在于:
- 增加了全局变量存储偏移量(4字节)
- 每次资源访问增加一个加法运算
- 可能需要额外的内存屏障指令(多核系统)
对于大多数现代MCU来说,这些开销可以忽略不计。但在极端资源受限的设备上,需要评估具体影响。
应用场景扩展
虽然最初是为OTA双镜像设计,但该技术也可应用于:
- 多区域资源存储(如不同语言资源分区)
- 资源加密方案(偏移量作为简单加密手段)
- 资源热切换场景(如主题切换)
总结
外部闪存双镜像架构下的资源加载是LVGL应用中的一个特殊但重要的场景。全局偏移量方案提供了一种优雅的解决方案,既保持了LVGL原有的简洁性,又满足了OTA等高级功能的需求。随着物联网设备对OTA功能需求的增长,这类技术方案将变得越来越重要。开发者可以根据具体项目需求,选择最适合的实现方式。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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
最新内容推荐
VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Python开发者的macOS终极指南:VSCode安装配置全攻略 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
445
3.35 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++
823
398
Ascend Extension for PyTorch
Python
251
285
React Native鸿蒙化仓库
JavaScript
278
329
暂无简介
Dart
702
166
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
10
1
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
142
51
🎉 (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
1.24 K
679
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
557
111