EdgeTX固件在非180度旋转显示屏上的刷新性能问题分析
2025-07-07 04:33:18作者:鲍丁臣Ursa
问题背景
在EdgeTX 2.11.1版本中,用户报告了一个关于显示屏刷新性能的问题。具体表现为在V16、PL18、EL18等非180度旋转显示屏的遥控器上,主界面通道信息小部件的刷新速度明显变慢。值得注意的是,这个问题在2.11.0版本中并不存在,且仅影响非旋转显示屏设备,而T16等需要180度旋转显示的设备则表现正常。
技术分析
显示驱动配置差异
通过分析代码发现,不同设备的显示驱动配置存在显著差异:
#if !defined(LCD_VERTICAL_INVERT)
disp_drv.full_refresh = 1; // V16等非旋转设备
disp_drv.direct_mode = 1;
#elif defined(RADIO_F16)
disp_drv.full_refresh = 1;
disp_drv.direct_mode = (hardwareOptions.pcbrev > 0) ? 1 : 0;
#else
disp_drv.full_refresh = 0; // T16等旋转设备
disp_drv.direct_mode = 0;
#endif
LVGL 8.4更新带来的影响
问题的根源在于EdgeTX从2.11.0升级到2.11.1时引入了LVGL 8.4版本。在LVGL 8.4之前,非旋转显示屏设备可以正常工作而无需启用full_refresh模式。但在新版本中,双缓冲模式下强制启用了full_refresh,这导致了以下问题:
- 非旋转显示屏设备(如V16)反而比旋转显示屏设备(如T16)消耗更多CPU资源
- 刷新性能下降,特别是对于频繁更新的界面元素(如通道信息小部件)
受影响设备范围
这一问题影响了所有非反转显示屏的遥控器设备,包括但不限于:
- PL18系列(PL18、PL18EV、PL18U)
- EL18
- NV14
- T18
- V16等
解决方案
开发团队迅速响应并提出了修复方案,主要调整了显示驱动的配置策略。经过测试验证,该修复方案有效解决了非旋转显示屏设备的刷新性能问题。
技术启示
这一案例展示了嵌入式图形库升级可能带来的意外性能影响。特别是当涉及不同硬件配置(如显示屏旋转特性)时,统一的驱动策略可能导致性能差异。开发团队需要:
- 针对不同硬件特性进行细致的性能测试
- 考虑为不同显示配置提供优化的驱动参数
- 在图形库升级时全面评估对各类硬件的影响
结论
EdgeTX团队通过快速识别问题根源并发布修复补丁,展现了开源社区响应问题的效率。这一问题的解决不仅改善了受影响设备的用户体验,也为未来处理类似显示性能问题提供了宝贵经验。
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
411
3.16 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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
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
659
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
342
146