BadgeMagic固件:开源蓝牙LED徽章的魔法
2026-01-21 04:57:14作者:鲍丁臣Ursa
项目介绍
badgemagic-firmware 是一个开源项目,旨在为蓝牙LED徽章创建一个兼容的开源固件。该项目与 Badge Magic app 完美配合,允许用户通过蓝牙将自定义动画和图像上传到徽章上。徽章硬件采用11x44的LED矩阵显示,支持低功耗蓝牙(BLE)和低功耗设计,非常适合各种活动和场合的个性化展示。
项目技术分析
硬件信息
徽章硬件的核心是一个定制的11x44 LED矩阵显示器,支持蓝牙低功耗(BLE)和低功耗设计。硬件设计依赖于单一的微控制器(MCU),不同制造商批次可能使用不同的MCU型号:
- ARM M0变体基于 MM32L062PF
- ARM M0变体基于 MM32W062
- RISC-V变体基于 CH582
显示技术
徽章使用了一种称为“Charlieplexing”的技术来驱动LED矩阵。Charlieplexing是一种高效的LED驱动技术,通过使用24个引脚来控制11x44的LED矩阵,从而实现高密度的显示效果。
固件功能
固件支持存储带有预配置动画序列的位图,并使用8个内存块进行交替存储。徽章上有两个按钮,分别用于开关机、切换蓝牙上传模式、切换显示内容、调整亮度等功能。
上传协议
项目提供了关于BLE包格式的文档,并参考了 Badge Magic app 的蓝牙更新协议。目前,项目主要针对RISC-V版本的CH582芯片进行开发。
项目及技术应用场景
badgemagic-firmware 适用于各种需要个性化展示的场景,如:
- 活动和会议:为参会者提供个性化的徽章,展示姓名、公司Logo或活动主题。
- 教育培训:用于教学演示或学生作品展示,增强互动性和趣味性。
- 广告和营销:在产品发布会上展示动态广告内容,吸引观众注意力。
项目特点
- 开源固件:摆脱了封闭源代码的限制,用户可以自由定制和扩展功能。
- 多芯片支持:兼容多种MCU型号,适应不同制造商的硬件。
- 高效显示技术:采用Charlieplexing技术,实现高密度LED矩阵显示。
- 低功耗设计:适合长时间使用,减少电池更换频率。
- 蓝牙上传:通过蓝牙轻松上传自定义动画和图像,操作简便。
badgemagic-firmware 不仅为用户提供了强大的定制能力,还通过开源社区的力量不断优化和扩展功能。无论你是开发者、活动组织者还是普通用户,都能从这个项目中找到适合自己的应用场景。快来体验开源蓝牙LED徽章的魔法吧!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0238- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
electerm开源终端/ssh/telnet/serialport/RDP/VNC/Spice/sftp/ftp客户端(linux, mac, win)JavaScript00
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
632
4.16 K
Ascend Extension for PyTorch
Python
471
567
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++
932
835
🎉 (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
1.51 K
861
openEuler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。
C
383
266
暂无简介
Dart
880
210
昇腾LLM分布式训练框架
Python
138
162
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
188
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
327
382