STM32H743 Bootloader 资源文件

STM32H743 Bootloader 资源文件

stm32h7-boot.rar项目地址:https://gitcode.com/open-source-toolkit/17ff1

简介

本仓库提供了一个用于STM32H743微控制器的Bootloader资源文件。该Bootloader支持通过串口进行固件更新和程序引导。Bootloader具有多种启动模式和固件烧写功能,适用于需要频繁更新固件的应用场景。

功能特性

  1. 串口更新与引导模式

    • 模式1:串口波特率115200,无校验。上电1秒内,在超级终端中点击键盘的字母ab(小写),进入引导模式。
    • 模式2:串口波特率921600,偶校验。上电1秒内,发送以下命令启动不同程序:
      • 发送0xa0启动第一个程序。
      • 发送0xa1启动第二个程序。
      • 发送0xa2启动第三个程序。
    • 默认启动:如果1秒内无操作,Bootloader将默认启动地址为0x08020000的程序。
  2. 固件烧写

    • 支持烧写三个应用程序,地址分别为0x080200000x081400000x081A0000,每个程序的大小为384KB。
    • 支持烧写三个参数区,地址分别为0x80800000x80a00000x80c0000,每个参数区的大小为128KB。

使用说明

  1. 硬件连接

    • 将STM32H743微控制器的串口连接到PC,确保串口波特率设置正确。
  2. 启动模式选择

    • 上电1秒内,根据需要选择不同的启动模式:
      • 模式1:在超级终端中点击键盘的字母ab(小写)。
      • 模式2:发送0xa00xa10xa2启动不同程序。
  3. 固件更新

    • 使用支持的串口工具(如SecureCRT、Tera Term等)连接到STM32H743,并按照Bootloader的协议进行固件烧写。
  4. 默认启动

    • 如果1秒内无操作,Bootloader将自动启动地址为0x08020000的程序。

注意事项

  • 确保在烧写固件时,目标地址和固件大小与Bootloader的配置一致,避免数据覆盖或损坏。
  • 在开发和测试过程中,建议备份原有固件,以便在需要时恢复。

许可证

本项目采用MIT许可证。详细信息请参阅LICENSE文件。

贡献

欢迎提交问题、建议或Pull Request。请遵循项目的贡献指南。

联系

如有任何问题或建议,请联系项目维护者。

stm32h7-boot.rar项目地址:https://gitcode.com/open-source-toolkit/17ff1

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
STM32H743是意法半导体(STMicroelectronics)推出的一款高性能微控制器系列。它搭载着Cortex-M7内核,运行频率高达400MHz,具备丰富的外设和存储接口,适用于各种嵌入式应用场景。 而bootloader(引导加载程序)是一段位于微控制器芯片内部的特殊代码,在系统上电或复位时首先被执行。它的主要作用是用来初始化硬件系统,并加载应用程序到内存中,并将控制权交给应用程序的入口点。 对于STM32H743来说,它也有一个内置的bootloader,可以对其进行编程和配置。通过这个bootloader,我们可以直接从外部存储器(如SD卡、SPI FLASH等)或者串口等接口加载应用程序,而不需要使用外部烧录器进行烧录。 STM32H743bootloader通常是通过串口(UART)进行调试和下载的,我们可以通过连接STM32H743的串口引脚,使用串口调试工具或者类似的软件来与bootloader进行通信。在通信过程中,我们可以根据bootloader提供的协议来执行各种命令,比如擦除、下载、运行应用程序等。 通过使用内置的bootloader,我们可以方便地更新或更换应用程序,提高了系统的灵活性和可维护性。此外,bootloader还可以用于系统的自检和错误处理,提高了系统的可靠性。 总而言之,STM32H743bootloader是一种非常方便且重要的工具,它可以为我们的嵌入式系统提供更灵活和可靠的代码加载和调试方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

蒋承畅

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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