博客
关于我
iTOP4412开发板Drivermodule调试记录
阅读量:332 次
发布时间:2019-03-04

本文共 1170 字,大约阅读时间需要 3 分钟。

重新优化后的内容

1. 主要步骤

(1)编写Hello World驱动程序:itop4412_hello.c

#include 
#include
MODULE_LICENSE("Dual BSD/GPL");MODULE_AUTHOR("TOPEET");static int hello_init(void) { printk(KERN_EMERG "Hello World enter!\n"); return 0;}static void hello_exit(void) { printk(KERN_EMERG "Hello World exit!\n"); return 0;}module_init(hello_init);module_exit(hello_exit);

(2)编写Makefile文件:Makefile

#!/bin/bashobj-m += itop4412_hello.oKDIR := /home/topeet/iTop4412_Kernel_3.0PWD ?= $(shell pwd)all:    make -C $(KDIR) M=$(PWD) modulesclean:    rm -rf *.o

(3)编译方法

在终端中执行以下命令:

make

(4)驱动模块验证

加载模块:

insmod itop4412_hello.ko

查看模块状态:

lsmod

卸载模块:

rmmod itop4412_hello

2. 遇到问题

(1)Makefile中的PWD写成pwd!(已修复)

在编译时,确保Makefile中的PWD正确无误:

make -C /home/topeet/iTop4412_Kernel_3.0 M=/home/topeet/iTop4412_Kernel_3.0/modules

(2)Makefile中的模块名称需要与*.c文件一致

请确保Makefile中的模块名称与实际编译的C文件名一致。例如:

obj-m += itop4412_hello.o

如果出现以下错误,请检查模块名称是否正确:

make[2]: *** No rule to make target `/home/drivermodule/mini_linux_module.c', needed by `/home/drivermodule/mini_linux_module.o'. Stop.

(3)卸载模块时,模块名称不需要带.ko

正确的卸载命令是:

rmmod itop4412_hello

如果使用以下命令会导致错误:

rmmod itop4412_hello.ko

请勿使用带有.ko扩展的模块名称进行卸载。

转载地址:http://hiwh.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>