有一个无限大的二维平面。
给你一个正整数 k ，同时给你一个二维数组 queries ，包含一系列查询：
queries[i] = [x, y] ：在平面上坐标 (x, y) 处建一个障碍物，数据保证之前的查询 不会 在这个坐标处建立任何障碍物。
每次查询后，你需要找到离原点第 k 近 障碍物到原点的 距离 。
请你返回一个整数数组 results ，其中 results[i] 表示建立第 i 个障碍物以后，离原地第 k 近障碍物距离原点的距离。如果少于 k 个障碍物，results[i] == -1 。
注意，一开始 没有 任何障碍物。
坐标在 (x, y) 处的点距离原点的距离定义为 |x| + |y| 。
示例 1：
输入：queries = [[1,2],[3,4],[2,3],[-3,0]], k = 2
输出：[-1,7,5,3]
解释：
最初，不存在障碍物。
queries[0] 之后，少于 2 个障碍物。
queries[1] 之后， 两个障碍物距离原点的距离分别为 3 和 7 。
queries[2] 之后，障碍物距离原点的距离分别为 3 ，5 和 7 。
queries[3] 之后，障碍物距离原点的距离分别为 3，3，5 和 7 。
示例 2：
输入：queries = [[5,5],[4,4],[3,3]], k = 1
输出：[10,8,6]
解释：
queries[0] 之后，只有一个障碍物，距离原点距离为 10 。
queries[1] 之后，障碍物距离原点距离分别为 8 和 10 。
queries[2] 之后，障碍物距离原点的距离分别为 6， 8 和10 。
提示：
1 <= queries.length <= 2 * 105^55
所有 queries[i] 互不相同。
-109^99<= queries[i][0], queries[i][1] <= 109^99
1 <= k <= 105^55
我们可以用一个大小为k的大顶堆，堆顶就是第k近障碍物：
classSolution{public:vector<int>resultsArray(vector<vector<int>>&queries,intk){vector<int>ans;vector<int>h;for(vector<int>&point:queries){intlen=abs(point[0])+abs(point[1]);if(h.size()<k||h[0]>len){h.push_back(len);push_heap(h.begin(),h.end());}if(h.size()>k){pop_heap(h.begin(),h.end());h.pop_back();}if(h.size()>=k){ans.push_back(h[0]);}else{ans.push_back(-1);}}returnans;}};如果queries的大小为n，则此算法时间复杂度为O(nlogk)，空间复杂度为O(k)。
