Python kdtree 找到“n”个最近的相邻组（坐标）

Question

目标：给定一个坐标 X，为坐标 X 找到“n”个最近的线多边形，而不仅仅是“n”个最近的点。示例：https://i.imgur.com/qyxV2MF.png

---

我有一组空间线多边形，可以有超过 2 个坐标。它们的坐标存储在 (scipy)KDtree 中以启用 NN 搜索。

首先，我会查询“i”个最近的坐标，然后查找对应的线-多边形->“i”坐标不一定会产生“i”线。

为了实现“n”最近的行，我需要增加“i”。我的问题是“i”可能是不可预测的，因为每个线多边形之间的坐标数都不同。例如，一个线多边形可以用 2 个坐标表示，但另一个可以用 10 个坐标表示。大多数时候，我只需要距离 X 点最近的 2 个相邻线多边形。

在示例图像中，我需要 A 行和 B 行作为结果。即使 "i" = 3，也只会找到线 A，因为 A1、A2、A3 是 X 的最近邻居。

---

问题：有没有办法将一个形状的坐标组合在一起，然后进行NN搜索以获得“n”个独特的形状？ （除了暴力破解“i”以确保“n”个独特的形状）

---

当前的解决方法伪代码：

found = []
while True:
    if first_loop:
        result = look up N nearest coords
    else:
        result = look up Nth nearest coord

    look up shapes using result and append to found
    perform de-duplication of found

    if len(found) >= required:
         return found
    else:
         N = N+1 # to check the Nth neighbor next iteration

Answer 1

我看到了两种有效的方法：

1. 索引完整的“线多边形”：为此，您可以通过最小边界矩形来限制每个线多边形。然后使用适当的索引结构（如R-Tree）索引所有矩形。您将在最低级别使用线多边形而不是点，因此您必须针对这种情况调整距离。
2. 使用Distance Browsing：这里的想法是将其线多边形的ID附加到每个点，并在索引结构（例如，KD-Tree）中索引这些点。然后，您使用距离浏览连续检索到您的查询的下一个最近点。您继续此操作，直到找到 n 个不同线多边形的点。

Answer 2

如果我正确理解了您的问题，那就是拥有正确的数据结构的问题。

让我们有以下数据结构， 1. 从线多边形到点的字典 2.另一个从点到线多边形的字典（或等效的来自 bidict 的单个双向映射而不是几个字典） 3.一个布尔数组visited，大小等于点数

现在下面的算法应该可以解决你的问题（可以用上面的数据结构高效地实现）：

1. 对于所有点，将访问数组初始化为 False。

2. 首先从 kd-tree 中找到离查询点最近的点，将匹配点和匹配点所属的相应多边形中的所有点标记为已访问，并将该特定多边形 (id) 返回为最近的多边形（如果有多个这样的多边形，则全部返回）。

3. 重复步骤 2，直到返回 n 个这样的（不同的）多边形。考虑从 kd-tree 返回的新点与查询点匹配，如果它尚未访问（如果 kd-tree 返回的匹配点已被访问，则丢弃它并查询下一个最近匹配的点）。访问一个点后，将该点和相应多边形中的所有点标记为已访问并返回该多边形。