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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00