LVGL项目中的外部闪存双镜像资源加载方案解析
2025-05-11 22:50:41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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
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++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
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
12
1
openJiuwen 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
TSX
986
247
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
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355