基于STM32F469 discovery kit 开发板的开发1

news/2024/6/3 18:25:14 标签: stm32, F469, 嵌入式, st-link

目录

  • 基于STM32F469 discovery kit 开发板的开发
    • 开发板简介
    • 开发环境搭建

F469_discovery_kit__2">基于STM32F469 discovery kit 开发板的开发

意法半导体推出的基于STM32F469 cpu的这款开发板,整合高性能的Cortex-M4处理器,其Chrom-ART Accelerator技术大大提升了即时处理速度以及图形处理显示性能,为需要实现图形交互界面的物联网应用提供了强有力的支持,如下图:

在这里插入图片描述

开发板简介

STM32F469 Discovery开发板,最吸引人的,莫过于开发板配置的4寸带触摸屏的大屏幕,如下图:

在这里插入图片描述显示效果相当不错。

主处理器STM32F469NIH6微控制器,采用BGA216封装,参数如下:

在这里插入图片描述
存储配置上:

	配置16MB SDRAM、16MB SPI Nor Flash

通信接口配置:

	Dual Quad-SPI and FMC with SDRAM support
	 Ethernet MAC, SDMMC and USB FS  and HS/FS 
	Camera Interface
	I²S and serial audio interface

外设配置有:

	USB OTG FS
	MicroSD卡、I2C扩展接口
	SAI音频DAC,一个立体声耳机输出接口
	3个MEMS数字麦克风
	SDRAM、四通道SPI闪存
	4.0英寸带电容屏的彩色LCD-TFT,分辨率800*480
	4个LED指示灯、用户按钮、复位按钮
	Arduino?UNO扩展接口

低功耗方面:

Down to 140 μA power consumption in Stop mode with full SRAM retained 

开发环境搭建

开发板集成了ST-LINK/ V2为,提供了一个嵌入式调试器和编程器,

安装st-link驱动

用户请到st官网下载相关驱动

在这里插入图片描述
安装完成后,插上开发板,设备管理器看到类似下图的设备就ok了。
在这里插入图片描述运行STM32 ST-LINK Utility.exe,选择target–connect菜单,连接成功后,显示:

在这里插入图片描述至此,st-link就安装完成了。我们可以通过file选择hex文件进行烧写测试,如下图:
在这里插入图片描述复位运行后,显示:

在这里插入图片描述


http://www.niftyadmin.cn/n/905.html

相关文章

TCP/IP协议

目录 1. 应用层 2. 传输层 2.1 UDP协议 2.2 TCP协议(*三次握手四次挥手重点!!!) 2.2.1 确认应答机制 2.2.2 超时重传 2.2.3 连接管理 2.2.4 滑动窗口 2.2.5 流量控制 2.2.6 拥塞控制 2.2.7 延迟应答 …

嵌入式开发--CubeMX使用入门教程

嵌入式开发–CubeMX使用入门教程 CubeMX简介 传统的单片机开发时,需要针对片上外设做各种初始化的工作,相当麻烦。 CubeMX是ST公司出品的一款图形化代码生成工具,通过图形化界面,可以非常直观的配置好各种片上外设,时…

渗透学习—靶场篇—墨者学院—SQL注入漏洞测试(参数加密)

文章目录总结打开靶场,发现在登录框下方有一个可以点击的地方: 此处,点击后我们就可以发现一个新的页面了!!然后我们在这个页面中呢,我们仔细观察以下url的特征,发现其是利用id xxx 进行查询的…

傅里叶变换+频域滤波

傅里叶变换频域滤波cv2.imread()基本参数介绍傅里叶变换什么是频域傅里叶变换的由来傅里叶变换算法 DFT, FFT灰度图这个博客记得看看 cv2.imread()基本参数介绍 Mat cv::imread(const String & filename, int flags IMREAD_COLOR) retval cv.imread(filename[, flags]…

Pytest+Unittest+Git+Jenkins企业级CICD自动化测试平台建设方案

随着持续集成的引入,项目中的自动化测试用例越来越多,每轮执行所消耗的时间也越来越久。 要提高自动化测试用例执行的效率,以下几点是需要考虑的根本点。 (1)公司项目的交付策略如何 首先,测试团队服务于…

改进YOLOv5系列:增加Swin-Transformer小目标检测头

💡统一使用 YOLOv5 代码框架,结合不同模块来构建不同的YOLO目标检测模型。🌟本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss…

Guitar Pro8最新版安装教程学吉他打谱必备工具

Guitar Pro以 GTP 结尾的曲谱文件都必须用 Guitar Pro 才能打开。Guitar Pro 凭借着其便利的制谱和读曲谱环境,在各大谱库论坛里都占据着一席之地,喜欢吉他的朋友一定略有耳闻。Guitar Pro 是 Windows 和 Mac OS 上可用的软件程序,允许所有音…

文献阅读(41)—— 基于多路CNN和机器学习分类器对糖网分类

基于多路CNN和机器学习分类器对糖网分类 Diabetic retinopathy classifcation based on multipath CNN and machine learning classifers IF 7.099/Q1 感觉好眼熟,和第34篇的思路相同——文献阅读(34)——眼底照使用轻量级CNN用于糖网分级…