QGroundControl在Android 14上的USB串口权限问题解析
在Android平台上使用QGroundControl(简称QGC)进行无人机地面站操作时,USB串口设备的访问是一个关键功能。近期有开发者反馈,在Android 14设备上运行QGC主分支版本时,遇到了USB串口设备无法枚举的问题,而同一设备上的QGC 4.4.3版本却能正常工作。
问题现象
当用户在Android 14平板上运行最新版QGC并连接串口无线电设备时,系统日志显示以下关键错误信息:
W/qgc.android.androidserial: availableDevicesInfo returned null
W/default: java.lang.SecurityException: User has not given 10152/org.mavlink.qgroundcontrol permission to access device /dev/bus/usb/002/006
这表明应用程序未能获得访问USB设备的必要权限,导致无法获取串口设备信息。
问题根源分析
这个问题源于Android系统权限模型的变更。从Android 10(API级别29)开始,Google引入了更严格的USB设备访问控制:
-
目标API级别限制:当应用的目标API级别(targetSdkVersion)设置为29或更高时,访问USB设备需要额外的权限声明和运行时请求。
-
序列号访问限制:高API级别下,访问USB设备的序列号需要特殊权限,这正是错误日志中显示的问题。
-
向后兼容性:目标API级别低于29的应用仍可使用旧的权限模型,这解释了为什么QGC 4.4.3版本可以正常工作。
解决方案
针对这个问题,开发者社区提供了两种解决方案:
-
降低目标API级别:将应用的目标API级别设置为28(Android 9.0 Pie)或更低,可以绕过新的权限限制。这种方法简单有效,但可能影响应用在Google Play商店的可见度,因为Google鼓励开发者保持最新的目标API级别。
-
实现完整的权限请求流程:对于希望保持最新API级别的开发者,需要:
- 在AndroidManifest.xml中添加必要的权限声明
- 实现运行时权限请求逻辑
- 正确处理用户授权结果
技术实现建议
对于QGroundControl这样的开源项目,建议采用以下最佳实践:
-
分级权限处理:根据目标API级别动态调整权限请求策略。
-
优雅降级:当无法获取完整权限时,提供替代方案或友好的错误提示。
-
用户引导:在需要权限时,向用户清晰解释为什么需要这些权限以及如何使用。
总结
Android平台的权限模型不断演进,为开发者带来了新的挑战。在开发无人机地面站等需要访问硬件设备的应用时,理解并正确处理这些权限变更至关重要。通过合理设置目标API级别或实现完整的权限请求流程,可以确保QGroundControl在各类Android设备上都能可靠地访问USB串口设备。
对于普通用户,如果遇到类似问题,可以尝试使用较旧版本的应用程序,或者联系开发者提供针对新Android版本的兼容性更新。对于开发者而言,及时跟进Android平台的API变更,并在代码中做好兼容性处理,是保证应用长期稳定运行的关键。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00