抽象工厂模式及其在自动驾驶中的应用举例(c++代码实现)

模式定义

抽象工厂模式（Abstract Factory Pattern）是一种创建型设计模式，用于封装一组具有共同主题的独立对象创建过程。该模式通过提供统一接口创建相关对象家族，而无需指定具体实现类，特别适合需要保证系统组件兼容性的自动驾驶硬件平台适配场景。

---

自动驾驶应用场景

在自动驾驶硬件集成中常见的应用场景：

1. 多传感器套件适配：兼容不同厂商的LiDAR+Camera+Radar组合
2. 硬件平台移植：适配不同计算平台（NVIDIA vs 华为MDC）
3. 仿真系统切换：切换真实硬件与仿真传感器组件

本文以自动驾驶计算平台适配为例进行实现。

---

C++代码实现（含详细注释）

#include <iostream>
#include <memory>// ---------------------------- 抽象产品体系 ----------------------------
// 计算单元接口
class IComputeUnit {
public:virtual ~IComputeUnit() = default;virtual void processSensorData() = 0;virtual float getProcessingPower() const = 0;
};// 内存管理接口
class IMemoryManager {
public:virtual ~IMemoryManager() = default;virtual void allocate(size_t size) = 0;virtual void release() = 0;
};// 硬件加速接口
class IHardwareAccelerator {
public:virtual ~IHardwareAccelerator() = default;virtual void accelerateAI() = 0;
};// ---------------------------- 具体产品实现（NVIDIA平台）---------------
class NvidiaGPU : public IComputeUnit {
public:void processSensorData() override {std::cout << "[NVIDIA] CUDA加速处理传感器数据" << std::endl;}float getProcessingPower() const override {return 32.8f;  // TFLOPS}
};class NvidiaMemory : public IMemoryManager {
public:void allocate(size_t size) override {std::cout << "[NVIDIA] 使用CUDA统一内存分配" << size << "MB" << std::endl;}void release() override {std::cout << "[NVIDIA] 释放CUDA内存" << std::endl;}
};class TensorRTAccelerator : public IHardwareAccelerator {
public:void accelerateAI() override {std::cout << "[TensorRT] 启动深度学习推理加速" << std::endl;}
};// ---------------------------- 具体产品实现（华为MDC平台）---------------
class HuaweiNPU : public IComputeUnit {
public:void processSensorData() override {std::cout << "[华为MDC] 昇腾芯片处理传感器数据" << std::endl;}float getProcessingPower() const override {return 28.5f;  // TFLOPS}
};class HuaweiMemory : public IMemoryManager {
public:void allocate(size_t size) override {std::cout << "[华为MDC] 分配DDR内存" << size << "MB" << std::endl;}void release() override {std::cout << "[华为MDC] 释放DDR内存" << std::endl;}
};class MindSporeAccelerator : public IHardwareAccelerator {
public:void accelerateAI() override {std::cout << "[MindSpore] 启动AI模型推理" << std::endl;}
};// ---------------------------- 抽象工厂接口 ----------------------------
class IHardwareFactory {
public:virtual ~IHardwareFactory() = default;virtual std::unique_ptr<IComputeUnit> createComputeUnit() = 0;virtual std::unique_ptr<IMemoryManager> createMemoryManager() = 0;virtual std::unique_ptr<IHardwareAccelerator> createAccelerator() = 0;
};// ---------------------------- 具体工厂实现 ----------------------------
class NvidiaFactory : public IHardwareFactory {
public:std::unique_ptr<IComputeUnit> createComputeUnit() override {return std::make_unique<NvidiaGPU>();}std::unique_ptr<IMemoryManager> createMemoryManager() override {return std::make_unique<NvidiaMemory>();}std::unique_ptr<IHardwareAccelerator> createAccelerator() override {return std::make_unique<TensorRTAccelerator>();}
};class HuaweiFactory : public IHardwareFactory {
public:std::unique_ptr<IComputeUnit> createComputeUnit() override {return std::make_unique<HuaweiNPU>();}std::unique_ptr<IMemoryManager> createMemoryManager() override {return std::make_unique<HuaweiMemory>();}std::unique_ptr<IHardwareAccelerator> createAccelerator() override {return std::make_unique<MindSporeAccelerator>();}
};// ---------------------------- 系统集成 ----------------------------
class AutonomousSystem {std::unique_ptr<IHardwareFactory> factory_;std::unique_ptr<IComputeUnit> compute_;std::unique_ptr<IMemoryManager> memory_;std::unique_ptr<IHardwareAccelerator> accelerator_;public:explicit AutonomousSystem(std::unique_ptr<IHardwareFactory> factory): factory_(std::move(factory)) {initialize();}void initialize() {compute_ = factory_->createComputeUnit();memory_ = factory_->createMemoryManager();accelerator_ = factory_->createAccelerator();}void run() {std::cout << "\n=== 启动自动驾驶系统 ===" << std::endl;memory_->allocate(4096);  // 分配4GB内存compute_->processSensorData();accelerator_->accelerateAI();std::cout << "计算性能: " << compute_->getProcessingPower() << " TFLOPS\n";}~AutonomousSystem() {memory_->release();}
};// ---------------------------- 场景演示 ----------------------------
int main() {// 创建NVIDIA平台系统AutonomousSystem nvidiaSystem(std::make_unique<NvidiaFactory>());nvidiaSystem.run();// 创建华为平台系统AutonomousSystem huaweiSystem(std::make_unique<HuaweiFactory>());huaweiSystem.run();return 0;
}

---

代码解析

1. 产品体系设计

class IComputeUnit { /*...*/ };  // 抽象产品
class NvidiaGPU : public IComputeUnit { /*...*/ };  // 具体产品

• 接口隔离：每个硬件组件定义独立接口
• 多态支持：统一接口访问不同平台实现

2. 工厂体系实现

class IHardwareFactory { /*...*/ };  // 抽象工厂
class NvidiaFactory : public IHardwareFactory { /*...*/ };  // 具体工厂

• 家族封装：每个工厂生产配套硬件组件
• 兼容保证：确保同一工厂创建的组件可协同工作

3. 系统集成

class AutonomousSystem {void initialize() {compute_ = factory_->createComputeUnit();// 创建其他组件...}
};

• 依赖注入：通过构造函数传入具体工厂
• 统一生命周期：智能指针自动管理组件

---

运行结果

=== 启动自动驾驶系统 ===
[NVIDIA] 使用CUDA统一内存分配4096MB
[NVIDIA] CUDA加速处理传感器数据
[TensorRT] 启动深度学习推理加速
计算性能: 32.8 TFLOPS=== 启动自动驾驶系统 ===
[华为MDC] 分配DDR内存4096MB
[华为MDC] 昇腾芯片处理传感器数据
[MindSpore] 启动AI模型推理
计算性能: 28.5 TFLOPS

---

模式优势分析

在自动驾驶中的价值

1. 平台兼容性

   • 确保计算单元+内存管理+加速器的硬件兼容
   • 快速切换硬件平台（更换工厂即可）

2. 组件一致性

   • 防止混用不同平台组件（如NVIDIA加速器配华为内存）
   • 标准化硬件访问接口

3. 可维护性

   • 新增硬件平台只需扩展工厂和产品类
   • 核心业务逻辑保持稳定

---

扩展改进建议

1. 动态配置加载

std::unique_ptr<IHardwareFactory> createFactory(const PlatformConfig& config) {if(config.platform == "NVIDIA") return std::make_unique<NvidiaFactory>();// 其他平台判断...
}

2. 混合硬件支持

class HybridFactory : public IHardwareFactory {// 组合不同厂商组件（需保证兼容性）
};

3. 资源监控

class MonitoredMemory : public IMemoryManager {// 添加内存使用监控功能
};

---

抽象工厂模式总结

核心价值：

• 封装相关对象创建过程
• 确保产品家族兼容性
• 提高系统可配置性

适用场景：

• 自动驾驶多硬件平台适配
• 传感器套件兼容性保障
• 仿真系统与真实系统切换

本实现展示了抽象工厂模式在自动驾驶硬件集成中的典型应用，通过严格的产品家族管理和接口标准化，为构建可移植、易扩展的自动驾驶系统提供了可靠的架构基础。