CircuitPython RP2040 双旋转编码器实现问题解析
2025-06-14 09:39:36作者:沈韬淼Beryl
在CircuitPython 9.2.2及以上版本中,RP2040微控制器平台上使用两个旋转编码器时会出现系统挂起的问题。本文将深入分析该问题的成因、技术背景以及解决方案。
问题现象
当开发者在RP2040平台上(如Raspberry Pi Pico)尝试同时初始化两个旋转编码器时,系统会在创建第二个编码器实例时挂起。具体表现为:
- 第一个编码器初始化成功
- 第二个编码器初始化时系统停止响应
- 只有当第二个编码器产生信号变化时系统才会恢复,但此时第一个编码器将无法正常工作
技术背景
旋转编码器在CircuitPython中通过rotaryio模块实现,底层依赖于RP2040的PIO(可编程I/O)子系统。PIO是RP2040特有的可编程状态机,能够独立于CPU处理I/O操作。
在9.2.1到9.2.2版本的更新中,主要进行了以下关键修改:
- PIO子系统重构以支持RP2350B的高引脚功能
- 中断处理机制的调整(虽然旋转编码器实现不使用DMA)
问题根源
通过调试分析发现,问题出在StateMachine的实现上。当创建第二个编码器实例时,系统尝试重用现有的PIO程序,但这一过程出现了问题。具体表现为:
- 状态机在数据传输阶段挂起
- 读取操作陷入无限等待
- 资源冲突导致第一个编码器无法继续工作
解决方案
临时解决方案是强制StateMachine不使用现有的PIO程序。通过修改代码使"use_existing_program"始终返回false,可以避免系统挂起。这一修改已经过实际测试验证:
- 在Raspberry Pi Pico上测试通过
- 在RP2350 Pico2上测试通过
- 模拟编码器信号测试通过
测试验证方法
开发者可以使用以下方法模拟旋转编码器信号进行测试:
- 使用四个GPIO引脚模拟两个编码器的A/B相输出
- 通过程序控制GPIO高低电平变化模拟编码器旋转
- 观察两个编码器的位置计数是否正常变化
这种测试方法不需要实际旋转编码器硬件,便于快速验证问题是否解决。
总结
该问题的出现提醒我们,在嵌入式系统开发中,资源共享和重用需要特别小心。特别是在PIO这样的专用硬件资源管理上,必须确保资源分配和释放的正确性。对于使用RP2040平台和CircuitPython的开发者,建议在需要使用多个旋转编码器时,关注该问题的修复版本更新。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217