imx_usb_loader 使用教程
1. 项目介绍
imx_usb_loader 是一个开源工具,由 Boundary Devices 开发,用于通过 USB OTG 端口在 NXP i.MX5/i.MX6/i.MX7 和 Vybrid SoCs 上下载和执行代码。该工具通过 Serial Download Protocol (SDP) 实现,通常用于替代 NXP 的 MFGTOOL 来加载 SPL 和 U-Boot。
2. 项目快速启动
2.1 安装依赖
首先,确保系统中已安装 libusb-1.0-0-dev:
sudo apt-get install libusb-1.0-0-dev
2.2 下载并编译项目
克隆 imx_usb_loader 仓库并编译:
git clone https://github.com/boundarydevices/imx_usb_loader.git
cd imx_usb_loader
make
2.3 配置和使用
-
构建 U-Boot: 根据目标设备的配置文件构建 U-Boot。例如,使用 SD 卡/eMMC 的配置文件:
make CROSS_COMPILE=arm-linux-gnueabihf- ARCH=arm u-boot -
复制 SPL 和 U-Boot 镜像: 将生成的 SPL 和 U-Boot 镜像复制到
imx_usb_loader目录:cp SPL u-boot.img ~/imx_usb_loader -
配置 imx_usb_loader: 编辑
imx_usb.conf文件,添加目标设备的配置:cd ~/imx_usb_loader nano imx_usb.conf在文件开头添加以下内容:
#imx6dq/dqp 0x15a2:0x0054 mx6_usb_rom.conf 0x0525:0xb4a4 mx6_usb_sdp_spl.conf -
启动设备: 将目标设备设置为 USB 下载模式,连接到主机并运行
imx_usb:sudo ./imx_usb
3. 应用案例和最佳实践
3.1 修复损坏的 U-Boot
当设备的 U-Boot 损坏时,可以使用 imx_usb_loader 重新加载 U-Boot。首先,确保设备处于 USB 下载模式,然后按照上述步骤重新加载 SPL 和 U-Boot 镜像。
3.2 批量烧录
对于需要批量烧录 U-Boot 的场景,可以通过脚本自动化该过程。例如,使用 imx_usb_loader 的 --bus 和 --device 选项来指定特定的 USB 设备:
for dev in $(lsusb | grep "Freescale SemiConductor Inc SE Blank ARIK" | awk '{print $6}'); do
bus=$(echo $dev | cut -d':' -f1)
device=$(echo $dev | cut -d':' -f2)
sudo ./imx_usb -b $bus -D $device u-boot.img
done
4. 典型生态项目
4.1 U-Boot
imx_usb_loader 通常与 U-Boot 一起使用,用于加载和执行 U-Boot 镜像。U-Boot 是一个广泛使用的开源引导加载程序,支持多种嵌入式平台。
4.2 MFGTOOL
NXP 的 MFGTOOL 是另一个用于烧录和配置 i.MX 系列 SoC 的工具。虽然 imx_usb_loader 提供了更轻量级的解决方案,但在某些场景下,MFGTOOL 可能更适合复杂的烧录任务。
4.3 libusb
imx_usb_loader 依赖于 libusb 库来与 USB 设备进行通信。libusb 是一个开源的跨平台库,用于与 USB 设备进行低级通信。
通过以上步骤和案例,您可以快速上手并使用 imx_usb_loader 进行 i.MX 系列 SoC 的开发和维护。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00