EdgeTX固件在无触摸屏T16发射机上的启动问题分析
2025-07-08 02:23:48作者:裴锟轩Denise
问题背景
在EdgeTX开源项目的最新开发版本中,出现了一个影响Jumper T16发射机(无触摸屏版本)的严重启动问题。当用户刷写包含特定提交(d0791fa)后的固件版本时,设备会出现黑屏、完全死锁的情况,必须断开电池才能恢复。
问题根源
经过开发团队和社区成员的深入调查,发现问题源于代码重构过程中对触摸屏初始化函数touchPanelInit()的位置调整。该函数从原来的radio/src/opentx.cpp被移动到了radio/src/targets/horus/board.cpp。
关键问题点在于:
- 对于没有触摸屏硬件的T16发射机,系统仍然尝试执行触摸屏初始化
- T16与TX16S在硬件设计上存在差异,特别是I2C总线(用于触摸屏通信)的上拉电阻配置不同
- 在T16上,SCL和SDA信号线被用于其他功能(微调按钮),且没有配置适当的上拉电阻
技术细节分析
从硬件角度看,TX16S在触摸屏连接器上配置了SCL和SDA信号线的上拉电阻,而T16则将这些信号线用于其他用途。当系统尝试初始化不存在的触摸屏时,由于缺乏适当的上拉电阻,I2C总线可能进入不确定状态,导致整个系统死锁。
更严重的是,在代码重构后,touchPanelInit()函数被意外调用了两次,这进一步加剧了问题。第一次调用可能已经使总线处于不稳定状态,第二次调用则彻底导致系统崩溃。
解决方案
开发团队通过以下方式解决了这个问题:
- 移除了重复的
touchPanelInit()调用 - 确保触摸屏初始化只在检测到触摸屏硬件的设备上执行
- 考虑为T16添加编译时选项(如
-DHAVE_TOUCH=NO)来明确禁用触摸功能
经验教训
这个案例展示了硬件兼容性处理在嵌入式系统开发中的重要性。在进行代码重构时,特别是涉及硬件初始化的部分,必须考虑所有支持的硬件变体。对于开源项目而言,建立完善的硬件兼容性测试矩阵尤为重要。
用户建议
对于使用无触摸屏版本T16发射机的用户:
- 避免使用包含此问题的固件版本
- 如需升级,请等待包含修复的正式版本发布
- 遇到启动问题时,可通过断开电池的方式恢复
此问题的解决体现了开源社区协作的优势,通过开发者与用户的紧密配合,快速定位并修复了影响用户体验的关键问题。
登录后查看全文
热门项目推荐
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