PX4-Autopilot在BeagleBone Blue上缺失linux_pwm_out模块的问题分析
问题背景
在PX4-Autopilot v1.15.0版本中,BeagleBone Blue平台的用户发现了一个重要问题:linux_pwm_out模块在编译后缺失。这个模块在之前的v1.14.0和v1.13.0版本中都能正常编译生成,但在新版本中却消失了,尽管默认配置文件(default.px4board)中已经明确设置了CONFIG_DRIVERS_LINUX_PWM_OUT=y。
问题现象
当用户按照标准流程编译PX4 v1.15.0 for BeagleBone Blue后,在build/beaglebone_blue_default/bin目录下找不到预期的px4-linux-pwm-out符号链接文件。这意味着PWM输出功能将无法正常工作,直接影响飞行控制器的电机控制能力。
根本原因分析
经过深入调查,发现问题源于PX4-Autopilot v1.15.0中对linux_pwm_out驱动模块的Kconfig配置做了修改。具体来说:
-
在v1.15.0版本中,src/drivers/linux_pwm_out/Kconfig文件新增了一个依赖条件:
depends on PLATFORM_POSIX && !BOARD_TESTING -
这意味着当BOARD_TESTING配置为y时,linux_pwm_out驱动将不会被编译
-
在BeagleBone Blue的默认配置(default.px4board)中,CONFIG_BOARD_TESTING被设置为y
-
而在之前的v1.14.0版本中,Kconfig文件没有这个限制条件,因此无论BOARD_TESTING如何设置,linux_pwm_out驱动都会被编译
解决方案
目前有两种可行的解决方案:
-
修改板级配置:将default.px4board中的CONFIG_BOARD_TESTING设置为n
- 优点:简单直接,恢复原有功能
- 缺点:可能影响其他测试功能
-
修改Kconfig依赖条件:如果确实需要在BOARD_TESTING模式下使用PWM输出,可以考虑修改Kconfig文件,移除!BOARD_TESTING的限制
- 优点:更灵活
- 缺点:需要维护自定义修改
技术建议
对于大多数用户,推荐采用第一种方案,即修改default.px4board配置。这是最安全、最稳定的解决方案,除非有特殊需求必须在测试模式下使用PWM输出功能。
对于PX4开发团队,建议考虑是否应该在未来的版本中重新评估这一依赖关系的合理性,或者为BeagleBone Blue平台提供更明确的配置指导。
总结
这个问题的出现提醒我们,在嵌入式系统开发中,配置依赖关系的变化可能会对功能产生意想不到的影响。开发者在升级版本时,不仅需要关注新功能的添加,还需要留意配置系统的变更可能带来的兼容性问题。对于BeagleBone Blue用户而言,了解这一问题的根源和解决方案,将有助于他们更好地使用PX4自动驾驶系统。
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。C037
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
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。C00
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TSX0115
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