CircuitPython在ESP32-S3-GEEK开发板上访问SD卡的问题分析与解决方案
问题背景
在ESP32-S3-GEEK开发板上使用CircuitPython时,开发者遇到了无法正常访问SD卡的问题。该开发板采用了ESP32-S3芯片,并配备了SD卡槽,但在尝试通过SPI或SDIO接口访问SD卡时,系统会报出"GP36 in use"或"No miso pin"等错误。
问题根源分析
经过深入调查,发现问题的根本原因在于CircuitPython的板级定义文件中存在配置冲突:
-
SPI总线配置冲突:开发板的定义文件错误地将SD卡的SPI总线(board.SD_SPI)配置为使用显示器的引脚,而实际上显示器使用的是另一组SPI总线。
-
引脚占用问题:系统初始化时创建了board.SD_SPI()对象,导致SD卡引脚被占用,但随后又被LCD引脚覆盖,使得SD卡无法使用正确的引脚配置。
-
MISO引脚缺失:在SPI模式下,由于配置错误导致MISO引脚不可用,从而引发"No miso pin"错误。
解决方案
针对这一问题,开发者社区提供了多种解决方案:
1. 使用SDIO接口
对于支持SDIO接口的开发板,可以直接使用sdioio模块访问SD卡:
import sdioio
import board
import storage
sd = sdioio.SDCard(
clock=board.GP36,
command=board.GP35,
data=[board.GP37, board.GP33, board.GP38, board.GP34],
frequency=25000000
)
vfs = storage.VfsFat(sd)
storage.mount(vfs, '/sd')
2. 使用SPI接口(需更新固件)
在修复后的CircuitPython固件中,可以通过SPI接口正常访问SD卡:
import board
import digitalio
import adafruit_sdcard
import storage
spi = board.SD_SPI()
cs = digitalio.DigitalInOut(board.SD_CS)
sd = adafruit_sdcard.SDCard(spi, cs)
vfs = storage.VfsFat(sd)
storage.mount(vfs, '/sd')
3. 注意事项
-
模式切换:在SPI和SDIO模式之间切换时,需要进行电源重启才能生效。
-
USB存储功能:目前CircuitPython不支持通过USB将SD卡挂载为Mass Storage设备,这一功能预计将在CircuitPython 10中实现。
-
文件系统操作:目前remount()函数仅支持根目录"/",不支持"/sd"目录的重新挂载。
技术原理
-
SD卡访问方式:
- SPI模式:使用3线制(SCK、MOSI、MISO)通信,速度较慢但兼容性好
- SDIO模式:使用4位数据线并行传输,速度更快但需要硬件支持
-
文件系统挂载:
- CircuitPython使用FAT文件系统管理SD卡
- 通过storage模块的VfsFat类实现文件系统抽象
- mount()函数将物理存储设备挂载到虚拟文件系统
-
引脚冲突处理:
- 硬件资源管理是嵌入式系统的关键
- 每个引脚在同一时间只能用于一个功能
- 正确的引脚复用配置是确保外设正常工作的前提
最佳实践建议
-
对于ESP32-S3-GEEK开发板,优先使用SDIO接口访问SD卡,以获得更好的性能。
-
在开发过程中,注意检查引脚分配是否冲突,可以使用board模块查看引脚定义。
-
对于需要频繁读写SD卡的应用,考虑使用缓冲机制减少IO操作次数。
-
关注CircuitPython的版本更新,及时获取最新的功能支持和错误修复。
通过以上分析和解决方案,开发者可以顺利地在ESP32-S3-GEEK开发板上实现SD卡的访问功能,为各种数据存储应用提供支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07