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。
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