【亲测免费】 Arduino-Pico 安装与配置完全指南
项目基础介绍及编程语言
项目名称: Arduino-Pico
项目概述: Arduino-Pico 是一个专为 Raspberry Pi Pico(RP2040处理器)以及RP2350处理器设计的Arduino核心库。它使得开发者能够使用熟悉的Arduino环境来开发这两个平台上的应用。项目采用了Raspberry Pi官方的Pico SDK,并且搭配了定制的GCC 12.3工具链以及Newlib 4.0,为开发者提供了便捷的开发体验。
编程语言: 主要使用C/C++进行开发,兼容Arduino标准库和编程范式。
关键技术和框架
-
关键技术:
- Raspberry Pi Pico SDK: 提供底层硬件访问。
- GCC Toolchain: 编译系统,支持C/C++编译。
- Adafruit TinyUSB: 支持USB功能扩展,如hid模拟、webusb等。
- PIO State Machines: RP2040特有的PIO用于生成无抖动的I/O信号,如PWM、Servos、Audio等。
-
框架特点:
- 支持多核处理(RP2350特有)。
- 集成了Over-The-Air升级、多种通信协议支持(USB、蓝牙、WiFi、Ethernet)。
- 文件系统支持(LittleFS, SD/SDFS)。
安装与配置步骤
准备工作
-
确保已安装Arduino IDE: 访问Arduino官网下载适合您操作系统的Arduino IDE。避免使用Windows Store版本以防止潜在的设备识别问题。
-
准备Raspberry Pi Pico或RP2350开发板: 包括数据线,可能还需要USB转串口调试器(非必需,仅在特定调试场景下使用)。
-
安装必要的驱动: 特别是Windows用户,保证Arduino IDE能正确识别您的开发板。
安装Arduino-Pico核心库
方法一:通过Arduino IDE的板管理器
-
打开Arduino IDE,进入文件 -> 首选项。
-
在“附加开发板管理器URL”框中添加以下链接:
https://github.com/earlephilhower/arduino-pico/releases/download/global/package_rp2040_index.json -
点击确定保存设置。
-
进入工具 -> 开发板 -> 板管理器,搜索“pico”,找到相关的Arduino-Pico核心并安装。
方法二:通过Git克隆(适用于高级用户)
-
在本地创建一个新的目录,例如
~/Arduino/hardware/pico。 -
使用Git命令行工具执行以下命令克隆仓库:
git clone https://github.com/earlephilhower/arduino-pico.git ~/Arduino/hardware/pico/rp2040 cd ~/Arduino/hardware/pico/rp2040 git submodule update --init # 对于Pico SDK的子模块更新 cd pico-sdk git submodule update --init cd ../.. # 返回到主目录 # 根据说明可能需要运行其他脚本获取必要的工具或库 -
确保所有的子模块都被正确初始化,这一步对于完整安装非常关键。
第一次上传程序
-
将你的Pico开发板连接到电脑上,首次上传时需按住BOOTSEL按钮插入,以便进入编程模式。
-
在Arduino IDE内选择正确的开发板(比如“Raspberry Pi Pico”)和对应的串口。
-
编写或打开你的Arduino示例代码,点击上传按钮。上传成功后,程序将自动运行,无需再次手动重置。
至此,你已经完成了Arduino-Pico的安装与配置,可以开始享受在Raspberry Pi Pico或RP2350上进行Arduino风格的编程乐趣了!记得查阅项目文档了解更多进阶功能和技巧。
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。C0113
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00