S3C2440 LCD驱动(FrameBuffer)实例开发讲解

UE4-(IK)实现人物脚贴合地面解决斜坡上脚无旋转无法贴合地面问题 在斜面上脚陷入模型中,需要设置旋转值对脚的骨骼进行一个旋转。 解决思路:在射线检测中可以获取到检测点的法线方向,根据法线方向来计算出脚应该向哪个方向进行适当的旋转,在斜坡上,人物脚需要旋转的轴为x轴和y轴以便来贴合地面,z轴方向的旋转是不需要进行修改的。 如图所示,我们需要求得水平面与斜坡的夹角用来得出人物在x轴上的脚旋转量,在蓝图中提供反正切函数,反正切 = 锐角的邻边/对边 所以 反正切值(脚x轴值(roll)) = 法线Y轴值/法线Z轴 值。 现在将上图的人物想象成面向屏幕,脚需... 阅读详情
1. LCD工作的硬件需求:
   要使一块LCD正常的显示文字或图像,不仅需要LCD驱动器,而且还需要相应的LCD控制器。在通常情况下,生产厂商把LCD驱动器会以COF/COG的 形式与LCD玻璃基板制作在一起,而LCD控制器则是由外部的电路来实现,现在很多的MCU内部都集成了LCD控制器,如S3C2410/2440等。通 过LCD控制器就可以产生LCD驱动器所需要的控制信号来控制STN/TFT屏了。
 
2. S3C2440内部LCD控制器结构图:
我们根据数据手册来描述一下这个集成在S3C2440内部的LCD控制器:
a:LCD控制器由REGBANK、LCDCDMA、TIMEGEN、VIDPRCS寄存器组成;
b:REGBANK由17个可编程的寄存器组和一块256*16的调色板内存组成,它们用来配置LCD控制器的;
c:LCDCDMA是一个专用的DMA,它能自动地把在侦内存中的视频数据传送到LCD驱动器,通过使用这个DMA通道,视频数据在不需要CPU的干预的情况下显示在LCD屏上;
d:VIDPRCS接收来自LCDCDMA的数据,将数据转换为合适的数据格式,比如说4/8位单扫,4位双扫显示模式,然后通过数据端口VD[23:0]传送视频数据到LCD驱动器;
e:TIMEGEN由可编程的逻辑组成,他生成LCD驱动器需要的控制信号,比如VSYNC、HSYNC、VCLK和LEND等等,而这些控制 信号又与REGBANK寄存器组中的LCDCON1/2/3/4/5的配置密切相关,通过不同的配置,TIMEGEN就能产生这些信号的不同形态,从而支 持不同的LCD驱动器(即不同的STN/TFT屏)。
 
3. 常见TFT屏工作时序分析:
LCD提供的外部接口信号:

VSYNC/VFRAME/STV: 垂直同步信号(TFT)/帧同步信号(STN)/SEC TFT信号;
HSYNC/VLINE/CPV: 水平同步信号(TFT)/行同步脉冲信号(STN)/SEC TFT信号;
VCLK/LCD_HCLK: 象素时钟信号(TFT/STN)/SEC TFT信号;
VD[23:0]: LCD像素数据输出端口(TFT/STN/SEC TFT);
VDEN/VM/TP: 数据使能信号(TFT)/LCD驱动交流偏置信号(STN)/SEC TFT 信号;
LEND/STH: 行结束信号(TFT)/SEC TFT信号;
LCD_LPCOE: SEC TFT OE信号;
LCD_LPCREV: SEC TFT REV信号;
LCD_LPCREVB: SEC TFT REVB信号。

 
所有显示器显示图像的原理都是从上到下,从左到右的。这是什么意思呢?这么说吧,一副图像可以看做是一个矩形,由很多排列整齐的点一行一行组成,这些点称之为像素。那么这幅图在LCD上的显示原理就是:

A: 显示指针从矩形左上角的第一行第一个点开始,一个点一个点的在LCD上显示,在上面的时序图上用时间线表示就为VCLK,我们称之为像素时钟信号;
B: 当显示指针一直显示到矩形的右边就结束这一行,那么这一行的动作在上面的时序图中就称之为1 Line;
C: 接下来显示指针又回到矩形的左边从第二行开始显示,注意,显示指针在从第一行的右边回到第二行的左边是需要一定的时间的,我们称之为行切换;
D: 如此类推,显示指针就这样一行一行的显示至矩形的右下角才把一副图显示完成。因此,这一行一行的显示在时间线上看,就是时序图上的HSYNC;
E: 然 而,LCD的显示并不是对一副图像快速的显示一下,为了持续和稳定的在LCD上显示,就需要切换到另一幅图上(另一幅图可以和上一副图一样或者不一样,目 的只是为了将图像持续的显示在LCD上)。那么这一副一副的图像就称之为帧,在时序图上就表示为1 Frame,因此从时序图上可以看出1 Line只是1 Frame中的一行;
F: 同样的,在帧与帧切换之间也是需要一定的时间的,我们称之为帧切换,那么LCD整个显示的过程在时间线上看,就可表示为时序图上的VSYNC。

 
上面时序图上各时钟延时参数的含义如下:(这些参数的值,LCD产生厂商会提供相应的数据手册)

VBPD(vertical back porch): 表示在一帧图像开始时,垂直同步信号以后的无效的行数,对应驱动中的upper_margin;
VFBD(vertical front porch): 表示在一帧图像结束后,垂直同步信号以前的无效的行数,对应驱动中的lower_margin;
VSPW(vertical sync pulse width): 表示垂直同步脉冲的宽度,用行数计算,对应驱动中的vsync_len;
HBPD(horizontal back porch): 表示从水平同步信号开始到一行的有效数据开始之间的VCLK的个数,对应驱动中的left_margin;
HFPD(horizontal front porth): 表示一行的有效数据结束到下一个水平同步信号开始之间的VCLK的个数,对应驱动中的right_margin;
HSPW(horizontal sync pulse width): 表示水平同步信号的宽度,用VCLK计算,对应驱动中的hsync_len;

 
对于以上这些参数的值将分别保存到REGBANK寄存器组中的LCDCON1/2/3/4/5寄存器中:(对寄存器的操作请查看S3c2440数据手册LCD部分)

LCDCON1:17 - 8位CLKVAL
          6 - 5位扫描模式(对于STN屏:4位单/双扫、8位单扫)
          4 - 1位色位模式(1BPP、8BPP、16BPP等)

LCDCON2:31 - 24位VBPD
         23 - 14位LINEVAL
         13 - 6位VFPD
          5 - 0位VSPW

LCDCON3:25 - 19位HBPD
         18 - 8位HOZVAL
          7 - 0位HFPD

LCDCON4: 7 - 0位HSPW

LCDCON5:

 
4. 帧缓冲(FrameBuffer):
   帧缓冲是Linux为显示设备提供的一个接口,它把一些显示设备描述成一个缓冲区,允许应用程序通过 FrameBuffer定义好的接口访问这些图形设备,从而不用去关心具体的硬件细节。对于帧缓冲设备而言,只要在显示缓冲区与显示点对应的区域写入颜色 值,对应的颜色就会自动的在屏幕上显示。下面来看一下在不同色位模式下缓冲区与显示点的对应关系:

帧缓冲(FrameBuffer)设备驱动 :
 
     帧缓冲设备为标准的字符型设备,在Linux中主设备号29,定义在/include/linux/major.h中的FB_MAJOR,次设备号定义帧缓冲的个数,最大允许有32个FrameBuffer,定义在/include/linux/fb.h中的FB_MAX,对应于文件系统下/dev /fb%d设备文件。

1. 帧缓冲设备驱动在Linux子系统中的结构如下:

我 们从上面这幅图看,帧缓冲设备在Linux中也可以看做是一个完整的子系统,大体由fbmem.c和xxxfb.c组成。向上给应用程序提供完善的设备文 件操作接口(即对FrameBuffer设备进行read、write、ioctl等操作),接口在Linux提供的fbmem.c文件中实现;向下提供 了硬件操作的接口,只是这些接口Linux并没有提供实现,因为这要根据具体的LCD控制器硬件进行设置,所以这就是我们要做的事情了(即xxxfb.c 部分的实现)。

2. 帧缓冲相关的重要数据结构:
   从帧缓冲设备驱动程序结构 看,该驱动主要跟fb_info结构体有关,该结构体记录了帧缓冲设备的全部信息,包括设备的设置参数、状态以及对底层硬件操作的函数指针。在Linux 中,每一个帧缓冲设备都必须对应一个fb_info,fb_info在/linux/fb.h中的定义如下:(只列出重要的一些)

struct fb_info {
    int node;
    int flags;
    struct fb_var_screeninfo var; /*LCD可变参数结构体*/
    struct fb_fix_screeninfo fix; /*LCD固定参数结构体*/
    struct fb_monspecs monspecs;  /*LCD显示器标准*/
    struct work_struct queue ;     /*帧缓冲事件队列*/
    struct fb_pixmap pixmap;      /*图像硬件mapper*/
    struct fb_pixmap sprite;      /*光标硬件mapper*/
    struct fb_cmap cmap;          /*当前的颜色表*/
    struct fb_videomode * mode;    /*当前的显示模式*/

# ifdef CONFIG_FB_BACKLIGHT
    
struct backlight_device * bl_dev;/*对应的背光设备 */
    struct mutex bl_curve_mutex;
    u8 bl_curve[ FB_BACKLIGHT_LEVELS] ;/*背光调整 */
# endif
# ifdef CONFIG_FB_DEFERRED_IO
    struct delayed_work deferred_work;
    struct fb_deferred_io * fbdefio;
# endif

    struct fb_ops * fbops; /*对底层硬件操作的函数指针*/
    struct device * device;
    struct device * dev;    /*fb设备*/
    int class_flag;     
# ifdef CONFIG_FB_TILEBLITTING
    struct fb_tile_ops * tileops; /*图块Blitting*/
# endif
    char __iomem * screen_base;    /*虚拟基地址*/
    unsigned long screen_size;    /*LCD IO映射的虚拟内存大小*/
    void * pseudo_palette;         /*伪16色颜色表*/
# define FBINFO_STATE_RUNNING    0
# define FBINFO_STATE_SUSPENDED  1
    u32 state;   /*LCD的挂起或恢复状态*/
    void * fbcon_par;
    void * par;     
} ;

其中,比较重要的成员有struct fb_var_screeninfo var、struct fb_fix_screeninfo fix和struct fb_ops * fbops,他们也都是结构体。下面我们一个一个的来看。

fb_var_screeninfo结构体主要记录用户可以修改的控制器的参数,比如屏幕的分辨率和每个像素的比特数等,该结构体定义如下:

struct fb_var_screeninfo {
    __u32 xres;                 /*可见屏幕一行有多少个像素点*/
    __u32 yres;                 /*可见屏幕一列有多少个像素点*/
    __u32 xres_virtual;         /*虚拟屏幕一行有多少个像素点*/         
    __u32 yres_virtual;         /*虚拟屏幕一列有多少个像素点*/
    __u32 xoffset;              /*虚拟到可见屏幕之间的行偏移*/
    __u32 yoffset;              /*虚拟到可见屏幕之间的列偏移*/
    __u32 bits_per_pixel;       /*每个像素的位数即BPP*/
    __u32 grayscale;            /*非0时,指的是灰度*/

    struct fb_bitfield red;     /*fb缓存的R位域*/
    struct fb_bitfield green;   /*fb缓存的G位域*/
    struct fb_bitfield blue;    /*fb缓存的B位域*/
    struct fb_bitfield transp;  /*透明度*/     

    __u32 nonstd;               /* != 0 非标准像素格式*/
    __u32 activate;                 
    __u32 height;               /*高度*/
    __u32 width;                /*宽度*/
    __u32 accel_flags;     

    /*定时:除了pixclock本身外,其他的都以像素时钟为单位*/
    __u32 pixclock;             /*像素时钟(皮秒)*/
    __u32 left_margin;          /*行切换,从同步到绘图之间的延迟*/
    __u32 right_margin;         /*行切换,从绘图到同步之间的延迟*/
    __u32 upper_margin;         /*帧切换,从同步到绘图之间的延迟*/
    __u32 lower_margin;         /*帧切换,从绘图到同步之间的延迟*/
    __u32 hsync_len;            /*水平同步的长度*/
    __u32 vsync_len;            /*垂直同步的长度*/
    __u32 sync;
    __u32 vmode;
    __u32 rotate ;
    __u32 reserved[ 5] ;          /*保留*/
} ;

而fb_fix_screeninfo结构体又主要记录用户不可以修改的控制器的参数,比如屏幕缓冲区的物理地址和长度等,该结构体的定义如下:

struct fb_fix_screeninfo {
    char id[ 16] ;                 /*字符串形式的标示符 */
    unsigned long smem_start;    /*fb缓存的开始位置 */
    __u32 smem_len;              /*fb缓存的长度 */
    __u32 type;                  /*看FB_TYPE_* */
    __u32 type_aux;              /*分界*/
    __u32 visual;                /*看FB_VISUAL_* */
    __u16 xpanstep;              /*如果没有硬件panning就赋值为0 */
    __u16 ypanstep;              /*如果没有硬件panning就赋值为0 */
    __u16 ywrapstep;             /*如果没有硬件ywrap就赋值为0 */
    __u32 line_length;           /*一行的字节数 */
    unsigned long mmio_start;    /*内存映射IO的开始位置*/
    __u32 mmio_len;              /*内存映射IO的长度*/
    __u32 accel;
    __u16 reserved[ 3] ;           /*保留*/
} ;

fb_ops结构体是对底层硬件操作的函数指针,该结构体中定义了对硬件的操作有:(这里只列出了常用的操作)

struct fb_ops {

    struct module * owner;

    
//检查可变参数并进行设置
    int ( * fb_check_var) ( struct fb_var_screeninfo * var, struct fb_info * info) ;

    
//根据设置的值进行更新,使之有效
    int ( * fb_set_par) ( struct fb_info * info) ;

    
//设置颜色寄存器
    int ( * fb_setcolreg) ( unsigned regno, unsigned red, unsigned green,
             unsigned blue, unsigned transp, struct fb_info * info) ;

    
//显示空白
    int ( * fb_blank) ( int blank, struct fb_info * info) ;

    
//矩形填充
    void ( * fb_fillrect) ( struct fb_info * info, const struct fb_fillrect * rect) ;

    
//复制数据
    void ( * fb_copyarea) ( struct fb_info * info, const struct fb_copyarea * region) ;

    
//图形填充
    void ( * fb_imageblit) ( struct fb_info * info, const struct fb_image * image) ;
} ;

3. 帧缓冲设备作为平台设备:
   在S3C2440中,LCD控制器被集成在芯片的内部作为一个相对独立的单元,所以Linux把它看做是一个平台设备,故在内核代码/arch/arm/plat-s3c24xx/devs.c 中定义有LCD相关的平台设备及资源,代码如下:

/* LCD Controller */

//LCD控制器的资源信息
static struct resource s3c_lcd_resource[ ] = {
    [ 0] = {
        . start = S3C24XX_PA_LCD
, //控制器IO端口开始地址jjj
        . end = S3C24XX_PA_LCD + S3C24XX_SZ_LCD - 1 , //控制器IO端口结束地址
        . flags = IORESOURCE_MEM , //标识为LCD控制器IO端口,在驱动中引用这个就表示引用IO端口
    } ,
    [ 1] = {
        . start = IRQ_LCD
, //LCD中断
        . end = IRQ_LCD,
        . flags = IORESOURCE_IRQ
, //标识为LCD中断
    }
} ;

static u64 s3c_device_lcd_dmamask = 0xffffffffUL;

struct platform_device s3c_device_lcd = {
    . name         = "s3c2410-lcd"
, //作为平台设备的LCD设备名
    . id         = - 1,
    . num_resources = ARRAY_SIZE( s3c_lcd_resource)
, //资源数量
    . resource     = s3c_lcd_resource , //引用上面定义的资源
    . dev = {
        . dma_mask = & s3c_device_lcd_dmamask,
        . coherent_dma_mask = 0xffffffffUL
    }
} ;

EXPORT_SYMBOL( s3c_device_lcd)
; //导出定义的LCD平台设备,好在mach-smdk2440.c的smdk2440_devices[]中添加到平台设备列表中


   除此之外,Linux还在/arch/arm/mach-s3c2410/include/mach/fb.h中为LCD平台设备定义了一个 s3c2410fb_mach_info结构体,该结构体主要是记录LCD的硬件参数信息(比如该结构体的s3c2410fb_display成员结构中 就用于记录LCD的屏幕尺寸、屏幕信息、可变的屏幕参数、LCD配置寄存器等),这样在写驱动的时候就直接使用这个结构体。下面,我们来看一下内核是如果 使用这个结构体的。在/arch/arm/mach-s3c2440/mach-smdk2440.c 中定义有:

/* LCD driver info */

//LCD硬件的配置信息,注意这里我使用的LCD是NEC 3.5寸TFT屏,这些参数要根据具体的LCD屏进行设置
static struct s3c2410fb_display smdk2440_lcd_cfg __initdata = {
    . lcdcon5 = S3C2410_LCDCON5_FRM565 |
               S3C2410_LCDCON5_INVVLINE |
               S3C2410_LCDCON5_INVVFRAME |
               S3C2410_LCDCON5_PWREN |
               S3C2410_LCDCON5_HWSWP,

    . type    = S3C2410_LCDCON1_TFT
, //TFT类型
/*
    /* NEC 3.5'''' */
    . width        = 240
, //屏幕宽度
    . height       = 320 , //屏幕高度

    //以下一些参数在上面的时序图分析中讲到过
    . pixclock     = 100000 , //像素时钟
    . xres         = 240 , //水平可见的有效像素
    . yres         = 320 , //垂直可见的有效像素
    . bpp          = 16 , //色位模式
    . left_margin  = 19 , //行切换,从同步到绘图之间的延迟
    . right_margin = 36 , //行切换,从绘图到同步之间的延迟
    . hsync_len    = 5 , //水平同步的长度
    . upper_margin = 1 , //帧切换,从同步到绘图之间的延迟
    . lower_margin = 5 , //帧切换,从绘图到同步之间的延迟
    . vsync_len    = 1 , //垂直同步的长度
} ;

*/

 .lcdcon5 = S3C2410_LCDCON5_FRM565 |
               S3C2410_LCDCON5_INVVLINE |
               S3C2410_LCDCON5_INVVFRAME |
               S3C2410_LCDCON5_PWREN |
               S3C2410_LCDCON5_HWSWP,

        .type       = S3C2410_LCDCON1_TFT,
        .width      = 800,//屏幕宽度
        .height     = 600,//屏幕高度
        //.pixclock = 100000, /* HCLK/10 */     //像素时钟
        .pixclock   = 2000000, /* HCLK/10 */   //像素时钟
        .xres       = 800,   //水平可见的有效像素
        .yres       = 600,  //垂直可见的有效像素
        .bpp        = 16,   //色位模式
        .left_margin    = 40, //2   //行切换,从同步到绘图之间的延迟
        .right_margin   = 88, //2   //行切换,从绘图到同步之间的延迟
        .hsync_len  = 128,    //41     //水平同步的长度
        .upper_margin   = 20,  //2   //帧切换,从同步到绘图之间的延迟
        .lower_margin   = 20,  //2   //帧切换,从绘图到同步之间的延迟
        .vsync_len  = 10,   //10    //垂直同步的长度

};

static struct s3c2410fb_mach_info smdk2440_fb_info __initdata = {
    . displays        = & smdk2440_lcd_cfg
, //应用上面定义的配置信息
    . num_displays    = 1,
    . default_display = 0,

    . gpccon          = 0xaa955699,
    . gpccon_mask     = 0xffc003cc,
    . gpcup           = 0x0000ffff,
    . gpcup_mask      = 0xffffffff,
    . gpdcon          = 0xaa95aaa1,
    . gpdcon_mask     = 0xffc0fff0,
    . gpdup           = 0x0000faff,
    . gpdup_mask      = 0xffffffff,

    . lpcsel          = 0xf82,
} ;

 

  从上面的代码来看,要使LCD控制器支持其他的LCD屏,重要的是根据LCD的数据手册修改以上这些参数的值。下面,我们再看一下在驱动中是如果引用到 s3c2410fb_mach_info结构体的(注意上面讲的是在内核中如何使用的)。在mach-smdk2440.c中有:

//S3C2440初始化函数
static void __init smdk2440_machine_init( void )
{

    //调用该函数将上面定义的LCD硬件信息保存到平台数据中
    s3c24xx_fb_set_platdata( & smdk2440_fb_info) ;
    
    s3c_i2c0_set_platdata( NULL ) ;

    platform_add_devices( smdk2440_devices, ARRAY_SIZE( smdk2440_devices) ) ;
    smdk_machine_init( ) ;    // 函数在arch/arm/plat-s3c24xx/common-smdk.c,初始化
}

s3c24xx_fb_set_platdata定义在 plat-s3c24xx/devs.c中:

void __init s3c24xx_fb_set_platdata( struct s3c2410fb_mach_info * pd)
{
    struct s3c2410fb_mach_info * npd;

    npd = kmalloc( sizeof ( * npd) , GFP_KERNEL) ;
    if ( npd) {
        memcpy ( npd, pd, sizeof ( * npd) ) ;

        //这里就是将内核中定义的s3c2410fb_mach_info结构体数据保存到LCD平台数据中,所以在写驱动的时候就可以直接在平台数据中获取s3c2410fb_mach_info结构体的数据(即LCD各种参数信息)进行操作
        s3c_device_lcd. dev. platform_data = npd;
    } else {
        printk( KERN_ERR "no memory for LCD platform data/n" ) ;
    }
}

  

 

 

clkdiv= 2;                                                                                                                              
    if (type == S3C2410_LCDCON1_TFT) {
        s3c2410fb_calculate_tft_lcd_regs(info, &fbi->regs);
        --clkdiv;
        if (clkdiv < 0)
            clkdiv = 0;
    } else {
        s3c2410fb_calculate_stn_lcd_regs(info, &fbi->regs);
        if (clkdiv < 2)
            clkdiv = 2;
    }   

 

这里再讲一个小知识:不知大家有没有留意,在平台设备驱动中,platform_data可以保存各自平台设备实例的数据,但这些数据的类型都是不同的, 为什么都可以保存?这就要看看platform_data的定义,定义在/linux/device.h中,void *platform_data是一个void类型的指针,在Linux中void可保存任何数据类型。

 

 


8、干式变压器 干式变压器的发展,是人类不断挑战材料科学和热物理极限的过程,每一次技术突破,都是在。温度升高,ε_r反而下降(因为分子活动性增强,极化响应变慢)。:固体导热的热阻比液体对流大一个数量级,这是无法逾越的物理规律。Nomex在高温下不是逐渐分解,而是保持性能直到一个临界点。如果 T_a = 40°C,则 T_c = 146.7°C。干式变压器(固体介质分隔):热场、电场、流场(空气)形成三维氢键网络,即使在高温下也能保持机械强度。:不是在现有技术上修修补补,而是寻找新的。仍在H级绝缘允许范围内(≤180°C) 阅读详情

相关推荐

从URDF到Gazebo:一个完整的ROS2机械臂仿真项目实战与避坑指南

本文提供了一个完整的ROS2机械臂仿真项目实战指南,详细讲解了从URDF建模、ROS2 Control配置、MoveIt2集成到Gazebo仿真的全流程。文章重点分享了URDF惯性参数设置、Gazebo插件选择、MoveIt2配置修正等关键步骤的避坑经验,帮助开发者快速搭建可用的六轴机械臂仿真环境,实现从静态模型到物理仿真的跨越。

weixin_29279153的博客 273

Linux的LCD硬件实现原理和FrameBuffer简介

1、LCD和FrameBuffer简介 1.1LCD的原理 LCD的原理:我们在液晶面板后面加白光(即背光板),然后通过不同的电信号,令液晶分子选择性透光,这样液晶面板就显示出了不同的颜色。 不难得出结论,LCD本身只会透光,不会发光。亮度控制是由背光板负责的。 当前主流的LCD是TFT,特点是超薄、清晰。 SoC(主控)如何控制LCD显示原理: LCD驱动器:LCD驱动器一般与LCD面板集成在一...

Android/Linux驱动开发传帮带学习,让驱动入门门槛更低! 2297

U8-固定资产月末结账报错:BOF或EOF中有一个是真

度了下,发现此问题一般是由于fa_Vtsobject表缺少对应月份的记录导致,补上即可,但是查看发现此表记录正常。 跟踪后发现定位到以下语句: select * from AccInformation where cSysID = N'FA' and cName =N'bVoucherApply'上述语句执行后没有任何记录显示,但是在正常的账套执行是有记录的,那有可能就是记录丢失导致,执行以下

guizhouakun的博客 5916

Linux内核配置(10)

背光和LCD设备支持 用字符终端的忽略 --- Backlight & LCD device support <>Lowlevel LCD controls <>Epson L4F00242T03 LCD <>Samsung LMS283GF05 LCD <>Samsung LTV350QV LCD Panel <>Toppoly TDO24M and TDO35S LCD Panels su

浪迹一生 8540

App inventor2通过蓝牙控制Arduino Uno LED开关

App inventer2控制Arduino Uno LED开关 如果学会这个小程序,大部分的手机通过蓝牙控制Arduino的功能都可以实现,这个小示例是通过蓝牙模块向Arduino发送"0"和"1",而其它功能要发送其它不同的字符串内容给Arduino. 所需硬件: Arduino Uno JDY-16 蓝牙模块(我的是蓝牙4.2版本) 草帽LED(可选) 手机(我用的是安卓,苹果手机应该也可以,最近其应用商店也有App inventor(AI)伴侣) 软件: Aduino IDE或者Platfom

Firmin123456的博客 5498

task5:在本地搭建大模型(ollama 和 LM studio 对比),接入 openclaw

关于大模型,大家千万不要想着在本地部署,根本不可行,没有那个财力。另外大模型迭代快,不可能每周都在下载大模型。再次,还是国外的模型好用,国内的模型真的在 deepresearch 上就有很大问题,你们懂的。所以本篇文章,还是聚焦在探索层面+实操,并不会实战。

这里是 AI 食用指南,持续分享有用的AI 实操和应用! 1968

S3C2440上LCD驱动 (FrameBuffer)实例开发讲解

 一、开发环境主  机:VMWare--Fedora 9 开发板:Mini2440--64MB Nand, Kernel:2.6.30.4 编译器:arm-linux-gcc-4.3.2二、背景知识1. LCD工作的硬件需求:   要使一块LCD正常的显示文字或图像,不仅需要LCD驱动器,而且还需要相应的LCD控制

jianyun123的专栏 2355

电磁波函数复数表示法:为什么物理学家偏爱e^(ikz)而非cos(kr-wt)?

本文深入解析了电磁波函数复数表示法(如e^(ikz))相较于传统余弦形式的巨大优势。通过欧拉公式,复数形式将复杂的三角运算转化为简洁的指数运算,在微分、积分、线性叠加及处理相位时展现出极高的计算效率,是物理学家和工程师分析波动现象的核心工具。

weixin_29094539的博客 498

S3C2440上LCD驱动(FrameBuffer)实例开发讲解

一、开发环境 主 机:VMWare--Fedora 9 开发板:Mini2440--64MB Nand, Kernel:2.6.30.4 编译器:arm-linux-gcc-4.3.2 二、背景知识 1. LCD工作的硬件需求: 要使一块LCD正常的显示文字或图像,不仅需要LCD驱动器,而且还需要相应的LCD控制器。在通常情况下,生产厂商把LCD驱动器会以COF/COG的 形式与LC...

pengdonglin137的专栏 114

hwasan实例分析踩内存之一:camx进程stack tag-mismatch的三种解决方案

hwasan实例分析踩内存之一:camx进程stack tag-mismatch的三种解决方案。

1291

面向 OData V4 的 Fiori elements 为何强制使用 draft、它到底是什么、以及是否能关闭

本文深入解析了SAP Fiori elements中draft handling的核心机制与必要性。关键点包括:1)draft机制通过中间版本实现复杂编辑的安全恢复与并发控制;2)Fiori elements for OData V4强制要求draft-enabled服务支持事务编辑;3)非draft服务仅适用于只读场景;4)替代方案需承担完全自定义开发的成本。文章基于SAP官方文档,系统阐述了draft在事务型应用中的基础性作用,为架构决策提供了明确指导。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 266

S3C2440上LCD驱动(FrameBuffer)实例开发讲解(一)

一、开发环境 主 机:VMWare--Fedora 9 开发板:Mini2440--64MB Nand, Kernel:2.6.30.4 编译器:arm-linux-gcc-4.3.2 二、背景知识 1. LCD工作的硬件需求: 要使一块LCD正常的显示文字或图像,不仅需要LCD驱动器,而且还需要相应的LCD控制器。在通常情况下,生产厂商把LCD驱动器会以CO...

aogaozhu5689的博客 178

面向精准医疗的多模态影像融合:实现前列腺MRI与大病理切片的三维配准与空间重建研究

亲爱的同学,当你能完整实现“前列腺MRI与大病理组织学图像的3D配准及体素重建”,你会发现医学影像交叉领域的毕设课题充满挑战与乐趣。我们将从临床需求出发,拆解3D配准与体素重建的核心技术,带你从原理到代码实现完整流程,让你的毕设不仅能顺利完成,更能体现临床应用价值。,让MRI和病理图像在同一空间对齐,能实现“术前影像-术后病理”的精准关联,为前列腺癌的精准诊疗、预后评估提供关键依据——这一课题既有技术挑战性,又有临床意义,是毕设的优质选择。(如NCC、Dice、配准时间),用数据证明方法的优越性。

m0_71589036的博客 4717

S3C2440上LCD驱动(FrameBuffer)实例开发讲解(二)

开发环境 * 主 机:VMWare--Fedora 9 * 开发板:Mini2440--64MB Nand, Kernel:2.6.30.4 * 编译器:arm-linux-gcc-4.3.2 上接:S3C2440上LCD驱动(FrameBuffer)实例开发详解(一) 四、帧缓冲(FrameBuffer)设备驱动实例代码: ①、建立...

amdak2008的博客 193

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

上一篇: SM501显卡驱动的移植(linux.2.6.18)
下一篇: linux下 s3c2440 lcd驱动移植详解
control_tech
博客等级 码龄17年 53粉丝 32原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值