Raspberry Pi Pico PIO示例:RP2350上的正交编码器问题解析
问题背景
在Raspberry Pi Pico生态系统中,PIO(可编程输入输出)模块是一个强大的外设,允许开发者实现各种自定义接口协议。其中,正交编码器(quadrature encoder)的PIO实现是一个经典示例,它能够高效地处理旋转编码器的信号。
然而,开发者发现这个示例在RP2040芯片上工作正常,但在新一代RP2350芯片上却无法正确读取编码器值。本文将深入分析这一问题的原因及解决方案。
问题现象
当使用RP2350芯片的Pico 2开发板运行正交编码器PIO示例时,旋转编码器时"new_value"变量不会发生变化,这与在RP2040上的预期行为不符。
技术分析
RP2350与RP2040的GPIO差异
经过技术团队调查,发现问题根源在于RP2350芯片的GPIO初始化机制与RP2040存在重要差异:
-
RP2040的默认行为:在RP2040上,GPIO默认已经启用了数字输入功能,因此PIO可以直接读取GPIO状态而无需额外初始化。
-
RP2350的电源优化:为了降低功耗,RP2350在复位状态下会禁用GPIO的数字输入功能,并启用隔离锁存器。这意味着必须显式配置GPIO才能使用。
解决方案
针对这一问题,需要在PIO程序初始化时添加GPIO配置代码:
static inline void quadrature_encoder_program_init(PIO pio, uint sm, uint pin, int max_step_rate)
{
pio_sm_set_consecutive_pindirs(pio, sm, pin, 2, false);
// 新增以下两行代码
pio_gpio_init(pio, pin);
pio_gpio_init(pio, pin + 1);
或者也可以使用SDK提供的gpio_init()函数来初始化GPIO引脚。
深入理解
GPIO初始化的必要性
在RP2350上,每个GPIO都有以下关键控制位需要配置:
- 输入使能(IE):必须设置为1才能启用数字输入
- 隔离锁存器(ISO):必须设置为0才能禁用隔离
SDK中的gpio_set_function()函数会自动完成这些配置任务。
PIO输入的特殊性
值得注意的是,PIO模块读取GPIO输入值并不需要将GPIO功能切换到PIO模式,但需要确保GPIO的输入功能已经启用。这与PIO输出操作不同,后者确实需要将GPIO功能切换到PIO模式。
最佳实践建议
-
跨平台兼容性:在编写同时支持RP2040和RP2350的代码时,显式初始化所有使用的GPIO引脚是最安全的做法。
-
电源管理考虑:了解RP2350的默认GPIO配置有助于设计低功耗应用,可以在不需要时保持GPIO的隔离状态以节省功耗。
-
文档参考:虽然SDK文档提到PIO读取不需要特殊配置,但实际应用中应考虑芯片版本差异。
结论
RP2350在GPIO设计上的电源优化带来了更好的能效表现,但也需要开发者更加注意GPIO的初始化流程。通过理解芯片间的差异并采取适当的初始化措施,可以确保PIO程序在不同硬件平台上都能稳定运行。这一案例也提醒我们,在硬件迭代时,即使是看似兼容的接口也可能存在需要特别注意的行为变化。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00