超级会员免费看
本文详细介绍了k-d tree和ikd-Tree的构建过程、查找算法以及各自特点。k-d tree是通过切分域和切分点的选择构建的，适用于静态数据集，而ikd-Tree则是为了解决动态数据插入和删除的效率问题，通过增量更新和部分重建保持树的平衡。ikd-Tree在时间复杂度上表现出优势，适合实时机器人应用。
FAST-LIO2论文提出了ikd_Tree的概念，是在k-d Tree的基础上改进的。
本篇分别对二者的记录并对比二者原理。
声明：图片来自网络，带logo非我本意，自CSDN某次升级后，便不会去logo了……若有知道现在如何去掉的朋友感谢您在评论区告诉我！！！
在分别介绍k-d tree 和 ikd-tree之前，先吹一波ikd-tree。
四种k-d tree的对比如下：
k-d tree
1、 摘要
k-d(k-dimensional) tree的目标：解决 为k维空间的数据集建立索引的问题。
先看k-d tree在k=1时的情况，即二叉查找树：
订阅专栏 解锁全文
扫一扫
4654
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
