ZMK固件开发:解决SPI设备未定义引用错误的技术分析
2025-06-25 05:08:19作者:滑思眉Philip
问题背景
在ZMK固件开发过程中,开发者尝试为Nice!Nano v2键盘添加基于SPI协议的触控板功能时,遇到了编译错误"undefined reference to `__device_dts_ord_18'"。这个问题特别值得关注,因为它涉及到ZMK固件中设备树(Device Tree)和SPI外设的配置。
错误现象分析
当开发者使用最新代码编译基础固件时一切正常,但在添加触控板功能后出现编译错误。错误信息表明编译器无法找到设备树中定义的SPI设备引用。这种现象通常发生在:
- 设备树配置不完整
- SPI驱动未正确启用
- 编译系统未能正确识别外设模块
解决方案
经过排查,开发者发现问题的根源在于编译命令的格式问题。正确的解决方法是:
- 确保在Kconfig.defconfig中正确配置SPI支持
- 使用完整的west build命令,将所有参数放在同一行
- 明确指定外部模块的路径
正确的编译命令格式应为:
west build -d build/newton1/left -b nice_nano_v2 -S zmk-usb-logging -- -DZMK_CONFIG=/path/to/config -DSHIELD="newton_left" -DZMK_EXTRA_MODULES="/path/to/module1;/path/to/module2"
技术要点
-
设备树与驱动匹配:在Zephyr RTOS中,设备树定义的设备必须与对应的驱动匹配,否则会出现未定义引用错误。
-
模块依赖关系:当添加外部模块时,必须确保所有依赖项都正确包含在编译系统中。
-
编译参数顺序:west build命令的参数顺序和格式对构建过程有重要影响,特别是当涉及多个外部模块时。
最佳实践建议
- 对于SPI设备开发,建议先验证基础SPI功能是否正常工作
- 使用
west build --pristine清除旧构建文件,避免缓存问题 - 检查生成的zephyr/.config文件,确认所有必要的配置选项已启用
- 对于复杂项目,考虑使用CMakeLists.txt来管理模块依赖关系
总结
这个案例展示了在嵌入式开发中配置新硬件外设时可能遇到的典型问题。通过理解Zephyr的设备模型和构建系统,开发者可以更高效地解决类似问题。关键在于确保设备树定义、驱动配置和构建参数三者之间的一致性。
对于ZMK固件开发者来说,掌握这些调试技巧将大大提升开发效率,特别是在添加新输入设备时。记住,当遇到未定义引用错误时,首先应该检查设备树配置和构建系统是否完整包含了所有必要的组件。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137