Arduino-Pico项目中RP2040的ADC输入功能修复分析
2025-07-02 01:59:46作者:裴麒琰
问题背景
在Arduino-Pico项目中,近期发现了一个影响RP2040微控制器ADC(模数转换器)输入功能的严重问题。该问题导致ADCInput()函数只能对A0引脚进行采样,而无法正确识别其他ADC输入引脚。这一问题源于代码中对RP2350芯片的特殊处理引入的兼容性问题。
技术细节
ADC输入功能的核心实现位于ADCInput类的_mask()方法中。该方法负责将物理引脚号映射为对应的位掩码,用于配置ADC通道。原始实现中出现了以下关键问题:
-
条件编译逻辑不当:代码中使用了
#if defined(PICO_RP2350) && !PICO_RP2350A的条件编译,导致RP2040平台错误地使用了RP2350B的引脚映射方案。 -
引脚映射不匹配:RP2040的ADC输入引脚应从26开始编号,但代码中错误地使用了40-47的编号范围,这是为其他芯片型号设计的。
解决方案
通过PR #2937修复了这一问题,主要修改包括:
-
修正了条件编译逻辑,确保RP2040使用正确的引脚映射方案。
-
恢复了RP2040正确的ADC引脚编号范围(26-29),与芯片规格书保持一致。
-
保持了RP2350芯片的特殊处理逻辑,确保不同芯片型号间的兼容性。
影响范围
该问题影响了所有使用RP2040芯片并需要多通道ADC采样的应用场景。典型表现包括:
- 只能读取A0引脚的模拟值
- 其他ADC引脚返回无效数据或零值
- 多通道采样功能完全失效
验证结果
修复后经过验证确认:
- 所有ADC输入通道(26-29)均可正常采样
- 采样精度和稳定性未受影响
- 与现有代码保持兼容,无需修改用户程序
技术建议
对于Arduino-Pico项目的使用者,建议:
- 及时更新到包含此修复的版本
- 在代码中明确指定使用的ADC引脚号(26-29)
- 对于需要多通道采样的应用,确保正确初始化所有需要的ADC通道
此修复体现了开源社区快速响应和解决问题的能力,也提醒开发者在进行多平台支持时需要特别注意条件编译的正确性。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K