树莓派实验实践记录与技术分析-优快云博客

一、内核驱动开发：hello 模块实现

驱动程序代码

#include <linux/init.h> 
#include <linux/module.h> 
static int __init hello_init(void) 
{ 
    printk(KERN_INFO "hello kernel\n"); 
    return 0; 
} 
module_init(hello_init); 

static void __exit hello_exit(void) 
{ 
    printk(KERN_INFO "bye kernel\n"); 
} 
module_exit(hello_exit); 

MODULE_LICENSE("GPL v2"); 
MODULE_DESCRIPTION("树莓派3B+ hello驱动模块"); 
MODULE_ALIAS("HelloModule"); 
MODULE_AUTHOR("Philon");

编译配置（Makefile）

obj-m := hello.o 
KERNEL_VERSION := $(shell uname -r) 
KDIR := /lib/modules/$(KERNEL_VERSION)/build 
PWD := $(shell pwd) 

all:
    $(MAKE) -C $(KDIR) M=$(PWD) modules
    
clean:
    $(MAKE) -C $(KDIR) M=$(PWD) clean

模块模块指令

加载：sudo insmod hello.ko
查看输出：dmesg | tail
卸载：sudo rmmod hello

4.PWM 驱动问题说明

尝试实现 PWM 呼吸灯驱动时，发现旧版源码中的pwm_set_clock等函数已被新版内核废弃。替换为pwm_enable等新接口后编译通过，但装载内核时无法调用 PWM 资源，推测是设备树未正确声明 PWM 控制器导致。

二、Python 应用开发：PWM 呼吸灯

硬件连接

编码方式：BCM 编码
引脚分配：白色 LED 接 BCM13（PWM1），黄色 LED 接 BCM18（PWM0）
供电：通过树莓派 GPIO 口提供 5V 与 GND

2.完整代码：

import RPi.GPIO as GPIO
import time

GPIO.setmode(GPIO.BCM)
OUT1, OUT2 = 13, 18
GPIO.setup(OUT1, GPIO.OUT)
GPIO.setup(OUT2, GPIO.OUT)

pwm1 = GPIO.PWM(OUT1, 60)
pwm2 = GPIO.PWM(OUT2, 60)

try:
    pwm1.start(0)
    pwm2.start(0)
    for _ in range(3):
        # 白灯呼吸效果
        for dc in range(0, 101, 5):
            pwm1.ChangeDutyCycle(dc)
            time.sleep(0.1)
        for dc in range(100, -1, -5):
            pwm1.ChangeDutyCycle(dc)
            time.sleep(0.1)
        
        # 黄灯呼吸效果
        for dc in range(0, 101, 5):
            pwm2.ChangeDutyCycle(dc)
            time.sleep(0.1)
        for dc in range(100, -1, -5):
            pwm2.ChangeDutyCycle(dc)
            time.sleep(0.1)
finally:
    pwm1.stop()
    pwm2.stop()
    GPIO.cleanup()

三、超声波测距系统

硬件接线注意事项
| 引脚 | 功能 | 接线要求 |
|------|------|----------|
| Vcc | 电源正极 | 接树莓派 5V 引脚，避免独立供电 |
| GND | 电源负极 | 连接树莓派 GND |
| Trig | 触发信号 | 接 BCM23（输出模式） |
| Echo | 回声信号 | 需通过 1kΩ+2kΩ 电阻分压后接 BCM24（输入模式），防止 5V 信号烧毁 GPIO |
测距原理

树莓派向 Trig 发送 10μs 高电平脉冲，HC-SR04 接收到信号后发射超声波，同时将 Echo 置高；
接收到反射波时 Echo 置低，通过测量高电平持续时间计算距离：
距离 = (高电平时间 × 34300cm/s) / 2

3.代码实现

import RPi.GPIO as GPIO
import time

GPIO.setmode(GPIO.BCM)
TRIG, ECHO = 23, 24
GPIO.setup(TRIG, GPIO.OUT)
GPIO.setup(ECHO, GPIO.IN)

def measure_distance():
    GPIO.output(TRIG, True)
    time.sleep(0.00001)
    GPIO.output(TRIG, False)
    
    while GPIO.input(ECHO) == 0:
        start = time.time()
    while GPIO.input(ECHO) == 1:
        stop = time.time()
    
    time_diff = stop - start
    return (time_diff * 34300) / 2

if __name__ == '__main__':
    try:
        while True:
            dist = measure_distance()
            print(f"距离：{dist:.2f} cm")
            time.sleep(1)
    except KeyboardInterrupt:
        print("测量停止")
        GPIO.cleanup()

四、超声波测距滤波算法分析

平均值滤波

原理：对 N 次测量值取算术平均，公式为Y = (X₁+X₂+…+Xₙ)/N。
优点：实现简单，有效抑制随机噪声；
缺点：对突变信号响应慢，不适用于动态场景（如移动物体测距）。

2.卡尔曼滤波

原理：基于状态空间模型，通过递归估计动态系统状态，同时考虑测量噪声与过程噪声。
核心优势：
- 动态适应性强，可实时修正温度漂移、环境干扰等误差；
- 无需存储历史数据，计算效率高，适合实时系统；
- 能处理非线性误差，更贴合超声波测距的实际场景（如声波折射、反射干扰）。
缺点：需建立精确的系统模型，初始参数调优难度较高。

3.方案选择
推荐采用卡尔曼滤波。超声波测距易受环境噪声、温度变化影响，且需实时更新距离数据，卡尔曼滤波可通过系统状态预测与修正，提供更稳定的测量结果。若硬件资源有限，可采用加权移动平均滤波作为简化方案。