解题思路
本题要求实现 K-Means 聚类算法。
初始时，直接选择输入数据的前 K 个点作为 K 个初始质心，编号分别为 0 到 K−1。
每轮迭代执行两步：
1. 对于每个点，计算它到所有质心的 3D 欧氏距离，将其分配到距离最近的簇中。
题目内容
在自动驾驶感知系统中，激光雷达会扫描周围环境生成大量3D点云数据，每个点包含 x，y，z 3D空间坐标。为识别车辆、行人、路障等潜在障碍物，需要先对点云数据做聚类，将属于同一障碍物的点划分为同一个簇。
K-Means是常用的无监督聚类算法，核心是按空间距离分组。预先指定分组数 K，先选 K 个初始中心（质心），反复执行两步：
- 将每个点分配到最近的质心簇中；
