Embassy项目中使用STM32F103RC的UART5接口问题解析
在使用Embassy嵌入式框架开发STM32F103RC项目时,开发者可能会遇到无法找到UART5外设的问题。本文将深入分析这一问题的原因,并提供完整的解决方案。
问题现象
当开发者尝试在STM32F103RC芯片上使用UART5接口连接LiDAR设备时,发现embassy_stm32::peripherals模块中并没有提供UART5的相关定义。然而,查阅STM32-METAPAC(版本15)的文档可以确认STM32F103RC芯片确实支持UART5接口。
原因分析
经过深入调查,发现问题的根源在于Cargo.toml中引用的embassy-stm32版本。当前crates.io上发布的0.1.0版本与GitHub上的最新代码存在差异,GitHub仓库中的代码已经包含了UART5的支持,但官方发布的crate版本尚未同步这一更新。
解决方案
要解决这个问题,开发者需要修改Cargo.toml文件,直接从GitHub仓库引用embassy-stm32的最新代码,而不是使用crates.io上的发布版本。具体修改如下:
embassy-stm32 = { git = "https://github.com/embassy-rs/embassy.git" }
技术背景
STM32F103RC属于STM32F1系列微控制器,其外设配置需要通过PAC(Peripheral Access Crate)来访问。Embassy框架为了提供更友好的异步编程接口,在其外围设备抽象层中对PAC进行了进一步封装。
UART5作为STM32F1系列的高级串行通信接口,通常用于需要额外串口的应用场景。在嵌入式开发中,直接从GitHub引用依赖项是一种常见做法,特别是在需要使用最新功能或修复特定问题时。
注意事项
- 直接从GitHub引用依赖会使用最新的开发版本,可能存在一定的稳定性风险
- 项目构建时需要联网获取GitHub代码
- 对于生产环境,建议锁定特定的Git提交哈希以保证可重复构建
- 当官方发布新版本后,可考虑切换回crates.io的稳定版本
总结
Embassy作为一个活跃发展的嵌入式框架,其GitHub仓库往往包含最新的功能支持。当开发者遇到外设支持不全的问题时,考虑直接从源码仓库获取最新版本是一个有效的解决方案。这也提醒我们在嵌入式开发中,需要密切关注所使用框架的更新动态,特别是在需要使用特定硬件功能时。
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