RA8D1-Vision Board上OSPI-Flash实践

简介: Vision-Board是RT-Thread基于瑞萨Cortex-M85的RA8D1芯片打造的开发板,集成Helium和TrustZone技术,性能强大。它有480 MHz的处理器,内置2MB/1MB闪存和1MB SRAM,支持多种外设如OSPI、CAN-FD、以太网等,并具备高级安全特性。开发板配有OpenMV机器视觉例程和MicroPython,方便开发机器视觉应用。目标是测试OSPI对板载norFlash的FAL读写操作,通过RT-Thread Studio创建工程并调整配置实现。过程中遇到CS引脚配置问题,最终成功实现FAL驱动。

Vision-Board 开发板是 RT-Thread 推出基于瑞萨 Cortex-M85 架构 RA8D1 芯片,拥有Helium和TrustZone技术的加持,性能非常强大。

  • 内核:480 MHz Arm Cortex-M85,包含Helium和TrustZone技术
  • 存储:集成2MB/1MB闪存和1MB SRAM(包括TCM,512KB ECC保护)
  • 外设:兼容xSPI的四线OSPI(带XIP和即时解密/DOTF)、CAN-FD、以太网、USBFS/HS、16位摄像头接口和I3C等
  • 高阶安全性:卓越的加密算法、TrustZone、不可变存储、带DPA/SPA攻击保护的防篡改功能、安全调试、安全工厂编程和生命周期管理支持

SDK包里集成了OpenMV机器视觉例程,配合MicroPython 解释器,使其可以流畅地开发机器视觉应用。

目的:使用RT-Thread Studio测试OSPI对板载norFlash的读写,使用FAL 抽象层进行管理和操作。

结果:使用ospi驱动实现FAL。

过程:使用RTThread Studio创建工程

(1)FSP配置:最开始自己按照官方例程配置,在尝试无法获取UID后,发现是工程模板默认配置的CS引脚是CS0,实际硬件连接为CS1。

(2)Settings配置:由于未对接dev_qspi框架,部分配置实际上未起作用。

(3)增加文件   拷贝了官方例程文件中的初始化文件和单线SPI中的drv_w25qxx的FAL接口文件到APP文件夹

(4)编写程序:由于使用的flash芯片型号不同,主要修改了官方例程的配置和初始化内容。并对FAL接口中的部分函数调用做了修改。

(5)下载调试:首先需要调试初始化在识别芯片UID后,此时可确定配置正常,修改芯片状态后再调试和测试FAL执行情况。

相关文章
|
2月前
|
存储 安全 开发工具
RA8D1-Vision Board上OSPI-Flash实践
【10月更文挑战第7天】Vision-Board 开发板是 RT-Thread 推出基于瑞萨 Cortex-M85 架构 RA8D1 芯片,拥有Helium和TrustZone技术的加持,性能非常强大。
《Constrained Output Embeddings for End-to-End Code-Switching Speech Recognition with Only Monolingual Data》电子版地址
Constrained Output Embeddings for End-to-End Code-Switching Speech Recognition with Only Monolingual Data
77 0
《Constrained Output Embeddings for End-to-End Code-Switching Speech Recognition with Only Monolingual Data》电子版地址
《Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation》电子版地址
Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation
81 0
《Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation》电子版地址
|
机器学习/深度学习 计算机视觉
DL之FAN:FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略
DL之FAN:FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略
DL之FAN:FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略
|
测试技术 调度
6.2.1.1UE maximum output power - EIRP and TRP——翻译
6.2.1.1UE maximum output power - EIRP and TRP——翻译
396 0
|
数据处理 机器学习/深度学习 算法
语音顶会Interspeech 论文解读|Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation
Interspeech是世界上规模最大,最全面的顶级语音领域会议,本文为Zhiying Huang, Shiliang Zhang, Ming Lei的入选论文
语音顶会Interspeech 论文解读|Audio Tagging with Compact Feedforward Sequential Memory Network and Audio-to-Audio Ratio Based Data Augmentation
|
语音技术 数据可视化 开发者
语音顶会Interspeech 论文解读|Constrained output embeddings for end-to-end code-switching speech recognition with only monolingual data
Interspeech是世界上规模最大,最全面的顶级语音领域会议,本文为 Nanyang Technological University等学校联合作者的入选论文
语音顶会Interspeech 论文解读|Constrained output embeddings for end-to-end code-switching speech recognition with only monolingual data
|
索引 内存技术 编译器