Raspberry Pi Pico SDK 2.0.0 升级后编译问题分析与解决方案
在嵌入式开发领域,Raspberry Pi Pico SDK 是一个非常重要的开发工具包,它为RP2040微控制器提供了全面的支持。近期,该SDK从1.5.1版本升级到2.0.0版本后,一些开发者遇到了编译问题,特别是关于runtime_init.h头文件找不到的错误。
问题现象
开发者们在升级到Pico SDK 2.0.0版本后,编译过程中会出现如下错误:
/Users/foo/bar/pico-sdk/src/common/pico_sync/mutex.c:9:10: fatal error: pico/runtime_init.h: No such file or directory
9 | #include "pico/runtime_init.h"
| ^~~~~~~~~~~~~~~~~~~~~
compilation terminated.
这个问题在多个不同的项目中都有出现,包括使用FreeRTOS的项目和自定义项目。错误表明编译器无法找到runtime_init.h头文件,而这个文件在SDK中有两个位置:
- src/rp2_common/pico_runtime_init/include/pico/runtime_init.h
- src/host/pico_runtime/include/pico/runtime_init.h
问题根源
经过分析,这个问题主要有以下几个原因:
-
依赖关系不完整:在SDK 2.0.0中,某些模块(如pico_sync)需要pico_runtime_init模块的支持,但依赖关系没有明确声明。
-
构建系统配置变化:2.0.0版本对构建系统做了一些调整,导致之前隐式的依赖关系不再自动满足。
-
头文件路径管理:runtime_init.h文件的位置发生了变化,需要正确的包含路径设置。
解决方案
针对这个问题,开发者们发现了以下几种有效的解决方法:
方法一:添加pico_stdlib依赖
在项目的CMakeLists.txt中,确保所有使用pico_sync的target都链接了pico_stdlib库。例如:
target_link_libraries(your_target
pico_sync
pico_stdlib
# 其他依赖...
)
方法二:正确初始化SDK
确保在CMakeLists.txt中正确初始化Pico SDK,特别是在project()声明之前:
# 初始化pico-sdk
include(pico-sdk/pico_sdk_init.cmake)
pico_sdk_init()
# 然后声明项目
project(your_project)
方法三:使用FetchContent方式
如果使用FetchContent来管理依赖,确保正确包含SDK的导入文件:
include(FetchContent)
FetchContent_Declare(
pico_sdk
GIT_REPOSITORY https://github.com/raspberrypi/pico-sdk.git
GIT_TAG master
)
FetchContent_MakeAvailable(pico_sdk)
# 在project()之前包含SDK初始化
include(pico_sdk_import.cmake)
技术背景
这个问题实际上反映了嵌入式软件开发中依赖管理的重要性。在Pico SDK 2.0.0中,开发团队对模块化进行了优化,使得之前一些隐式的依赖关系需要显式声明。runtime_init.h包含了系统运行时的初始化代码,是许多底层功能的基础。
pico_stdlib实际上是一个聚合库,它包含了Pico SDK中最常用的功能模块。在2.0.0版本中,runtime_init模块被移动到了pico_stdlib的依赖树中,因此直接依赖pico_sync而不依赖pico_stdlib会导致编译失败。
最佳实践建议
-
明确声明所有依赖:不要依赖隐式的依赖关系,明确列出项目所需的所有SDK模块。
-
保持SDK更新:定期更新到最新版本的SDK,并关注变更日志中的破坏性变更。
-
使用官方推荐的初始化方式:遵循官方文档中的SDK初始化流程。
-
构建系统隔离:为每个新项目创建干净的构建目录,避免旧版本构建产物的干扰。
总结
Pico SDK 2.0.0引入了一些构建系统的改进,这可能导致从旧版本升级时出现编译问题。通过正确理解模块间的依赖关系,并按照推荐的方式配置项目,开发者可以顺利迁移到新版本。这个问题也提醒我们,在嵌入式开发中,构建系统的正确配置与代码本身的质量同样重要。
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