我正在使用CGAL的(最新的)KD-tree实现来搜索点集中的最近邻。而且Wikipedia和其他资源似乎表明KD-trees是要走的路。但不知何故，它们太慢了，而且Wiki还建议它们的最坏情况时间为O(n)，这远非理想。[开始编辑]我现在使用“nanoflann”，它比CGAL中的等效项快约100-1000倍用于K-neighbor搜索。我使用“IntelEmbree”进行光线转换，比CGAL的AABB树快100-200倍。[结束编辑]我的任务如下所示:我有一个巨大的积分集，比如说最多100米奥。积分!!并且它们的分布在三角几何的表面上(是的，光子示踪剂)。所以可以说它们在3D空间中

我正在使用CGAL的(最新的)KD-tree实现来搜索点集中的最近邻。而且Wikipedia和其他资源似乎表明KD-trees是要走的路。但不知何故，它们太慢了，而且Wiki还建议它们的最坏情况时间为O(n)，这远非理想。[开始编辑]我现在使用“nanoflann”，它比CGAL中的等效项快约100-1000倍用于K-neighbor搜索。我使用“IntelEmbree”进行光线转换，比CGAL的AABB树快100-200倍。[结束编辑]我的任务如下所示:我有一个巨大的积分集，比如说最多100米奥。积分!!并且它们的分布在三角几何的表面上(是的，光子示踪剂)。所以可以说它们在3D空间中