Pimoroni Pico项目v1.25.0-beta1版本深度解析
Pimoroni Pico项目是基于Raspberry Pi Pico微控制器平台的MicroPython固件定制版本,为Pimoroni系列扩展板和外设提供了开箱即用的支持。该项目通过预集成各类传感器驱动和图形库,极大简化了开发者的入门门槛。本次发布的v1.25.0-beta1版本是一个重要的预览版更新,带来了多项功能增强和问题修复。
核心更新内容
MicroPython版本升级至1.25.0
本次更新将底层MicroPython版本从1.24.1升级至1.25.0,包含了上游项目的大量改进和错误修复。这一升级为开发者带来了更稳定的运行环境和更多新特性支持。
BME690传感器驱动集成
新增对Bosch BME690环境传感器的完整支持是该版本最值得关注的特性之一。BME690是一款集温度、湿度、气压和气体检测于一体的多功能传感器,其驱动基于Bosch官方C代码实现,并通过MicroPython绑定提供了简洁的Python接口。
开发者现在可以直接通过MicroPython代码读取BME690的各项环境参数,无需自行编写底层驱动。这对于环境监测类项目开发是一个重大便利。
PicoVector和Alright Fonts改进
图形子系统方面,PicoVector矢量图形库和Alright Fonts字体引擎都得到了显著优化。这些改进最初出现在Presto和Interstate 75项目中,现在被整合到主分支中。
具体优化包括:
- 更高效的矢量图形渲染算法
- 字体渲染质量提升
- 内存占用优化
- 性能改进,特别是在低资源环境下
Pico SDK升级至2.1.1
底层开发工具链同步更新至Pico SDK 2.1.1版本,这为项目带来了更稳定的硬件抽象层和更多底层功能支持。SDK升级也修复了一些与RP2040芯片相关的潜在问题。
重要功能增强
SCD4X传感器功能扩展
SCD4X CO2传感器驱动获得了多项新功能:
- 新增低功耗模式支持
- 增加校准命令接口
- 性能优化和稳定性提升
这些改进使得SCD4X在电池供电应用中表现更出色。
Inky Frame显示优化
针对Inky Frame电子墨水屏的更新包括:
- 实现了非阻塞式刷新功能
- 显示质量优化
- 驱动稳定性提升
非阻塞刷新特别有用,因为它允许设备在屏幕刷新期间继续执行其他任务,提高了整体响应性。
RP2350/RP2040兼容性改进
为适应新一代RP2350芯片和RP2040的各种变体,项目进行了多项兼容性调整:
- 修复了按钮类在Pico 2W上的工作问题
- 改进了SPI接口兼容性
- 优化了电源管理
开发者工具与示例更新
项目中的示例代码也获得了同步更新:
- 新增了Pico Display 2.8英寸屏的菜单示例
- 更新了AS7343光谱传感器的演示代码
- 改进了Plasma Stick的亮度控制示例
- 为Microdot 2.x更新了网络示例
这些示例不仅展示了新功能的使用方法,也为快速开发提供了可靠起点。
构建系统改进
构建系统方面的重要变化包括:
- 将Unicorn相关构建移出主仓库
- 新增PPP(点对点协议)支持的Pico构建变体
- 优化了模块CMake文件结构
- 改进了CI/CD流程
这些改进使得项目维护更高效,也为开发者提供了更多构建选项。
总结
Pimoroni Pico v1.25.0-beta1版本是一个功能丰富的更新,特别适合需要环境传感器支持或高性能图形处理的物联网和嵌入式项目。虽然目前是测试版,但其稳定性和功能完整性已经达到了相当高的水平。对于计划使用BME690传感器或需要最新MicroPython特性的开发者来说,这个版本值得尝试。
项目团队将继续完善这些功能,为即将到来的正式版v1.25.0做准备。开发者可以关注项目的后续进展,及时获取最新功能和改进。
kernelopenEuler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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00