CircuitPython在Raspberry Pi Pico上实现双USB串口通信的配置指南
背景介绍
Raspberry Pi Pico是一款基于RP2040微控制器的开发板,而CircuitPython是Adafruit为其开发的Python实现。在嵌入式开发中,USB串口通信是最常用的调试和数据传输方式之一。本文将详细介绍如何在Raspberry Pi Pico上配置CircuitPython以支持双USB串口通信。
默认配置与限制
默认情况下,CircuitPython在Raspberry Pi Pico上只启用一个USB串口(CDC),这个串口专门用于REPL(交互式解释器)控制台。这种设计确保了基本的调试功能,但对于需要同时进行调试和数据传输的应用场景就显得不够用了。
双串口配置方法
要实现同时使用控制台串口和数据传输串口,需要在boot.py文件中进行配置:
import usb_cdc
usb_cdc.enable(console=True, data=True)
这个配置会:
- 保留原有的控制台串口(用于REPL)
- 启用一个新的数据串口(用于应用程序数据传输)
配置注意事项
-
必须使用boot.py:这个配置必须放在boot.py文件中,因为CircuitPython在启动时会优先执行这个文件。
-
需要硬件复位:修改boot.py后,必须对Pico进行硬复位(断电重启)才能使配置生效。
-
Windows系统识别:在Windows设备管理器中,配置成功后应该能看到两个COM端口,一个标记为"CircuitPython Console",另一个标记为"CircuitPython Data"。
常见问题解决
-
只看到一个COM端口:
- 检查boot.py是否保存到了CIRCUITPY根目录
- 确认进行了硬复位操作
- 检查Windows设备管理器是否有未识别的设备
-
CIRCUITPY驱动器消失:
- 这通常表示配置有误导致系统进入安全模式
- 可以尝试按住BOOTSEL按钮复位进入UF2模式重新刷写固件
-
端口冲突问题:
- 确保没有其他USB设备占用过多系统资源
- 可以尝试在不同的USB端口上测试
技术原理
RP2040微控制器的USB接口支持多个端点(Endpoints),这使得它可以同时提供多个USB功能。在硬件层面,RP2040完全支持双CDC串口配置。CircuitPython通过usb_cdc模块抽象了这一功能,使得开发者可以方便地配置和使用。
应用场景
双串口配置特别适合以下场景:
- 需要同时进行调试输出和数据传输的项目
- 开发需要与PC端软件通信的复杂应用
- 构建需要远程控制的设备
- 实现设备与主机之间的双向数据交换
总结
通过合理配置boot.py文件,开发者可以在Raspberry Pi Pico上充分利用CircuitPython的双USB串口功能。这种配置既保留了REPL控制台的调试便利性,又增加了专门的数据通信通道,大大提升了开发效率和系统灵活性。对于需要复杂通信功能的项目来说,这是非常值得推荐的配置方式。
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