求所有实际数据存储于叶子节点的KD-Tree实现（C++/Python优先）

针对你需要的「仅叶子节点存储实际点云数据、保证各叶子节点点数相近」的需求，以下是成熟的C++/Python库实现方案：

Python 实现 #

• scikit-learn KDTree
  虽然默认实现的内部节点会关联数据，但可以通过设置leaf_size参数（控制每个叶子节点的最大点数）构建树后，遍历提取叶子节点的点集合。构建时指定leaf_size=N，就能让每个叶子的点数不超过N，保证数量级一致。之后可以通过树的内部接口或自定义遍历逻辑，获取每个叶子对应的点索引，从原始点云中取出数据单独存储，等价于实现了仅叶子节点存实际数据的效果。
• Open3D 工具集
  Open3D的KDTreeFlann支持点云的KDTree构建，结合其节点遍历接口，可以提取每个叶子节点的点索引。另外，如果你不局限于KDTree，Open3D的Octree也能通过设置max_depth或min_points_per_voxel实现近似均匀点数的空间分割，但KDTree方案同样可行：构建树后遍历叶子节点，将对应点复制到独立的叶子数据集中。

C++ 实现 #

• PCL（Point Cloud Library）KDTree
  PCL的pcl::KdTree系列实现支持通过set_leaf_size()设置每个叶子的最大点数。构建完成后，可通过遍历树的节点（判断is_leaf()）提取叶子节点包含的点索引，再从原始点云中取出对应点存储到叶子节点的数据集里。PCL的KDTree内部节点仅存储分割维度和阈值，实际点数据只会被叶子节点关联（或你复制后单独存储），完全符合你的需求。
• Boost.Geometry KDTree
  Boost的KDTree允许自定义节点结构，可配置为仅叶子节点存储点数据，内部节点仅保留分割参数。通过设置max_elements参数控制每个叶子的点数上限，构建后直接遍历叶子节点即可获取所有点数据，是C++环境下可靠的成熟库方案。

核心思路总结 #

所有方案的核心逻辑一致：

• 用支持控制叶子节点最大点数的KDTree实现构建树，确保各叶子点数数量级一致
• 遍历树的叶子节点，提取对应点数据并单独存储，让内部节点仅保留KDTree的结构信息
• 无需自行实现KDTree，利用现有库的参数配置和遍历接口即可满足需求

内容的提问来源于stack exchange，提问作者Valeria