关于Kd树啊，可能很多人没听说过。
Kd树是 K-dimension tree 的缩写，是对数据点在 K维空间（如二维(x，y)，三维(x，y，z)，K维(x，y，z, …)）中划分的一种高维索引树形数据结构。Kd树是一种空间划分树，说白了，就是把整个空间划分为特定的几个部分，然后在特定空间的部分内进行相关搜索操作。
Kd树从BST(Binary search tree)发展而来，在划分好的特定空间的部分内进行相关搜索操作。Kd树也是一种平衡二叉树。
Kd树主要应用于多维空间关键数据的搜索，常用于大规模高维数据密集的查找比对的使用场景中，主要是最近邻查找(Nearest Neighbor)以及近似最近邻查找(Approximate Nearest Neighbor)。在计算机视觉(CV)中主要是图像检索和识别中的高维特征向量的查找和比对。 （本段文字参考自下面的这篇文章）
感兴趣的可以看这篇讲解
这里我们简单地实现一个
