我有很多点集。
每组都是三维P点的集合。所有集合都具有相同的P。您可以将这些点视为表示已经以多种不同方式旋转的多面体的顶点。由于多面体具有大量的对称性，因此单独参考其旋转很难找到最接近的相邻方向。
对于给定的设定点，我想找到最近的相邻点集。
我目前的算法如下：
我把所有的点都扔进了kd树。对于给定的点集，我使用kd树来查找每个点的X最近邻居。然后我确定在每个邻居组中表示哪些点集（如果有的话）。由于两个附近的点集必须在彼此最近的邻居之间得分，这是找到候选人的一种快捷方式。
目前，我正在定义两个点集之间：在集A和集B之间可能的点对中，我选择最小化成对点之间欧几里德距离之和的点。 / p>
我的问题是，是否有更有效的方法来实现这一目标？