本文记录了vcpkg安装pcl遇到visualization不存在的解决方案
Introduction
最近在用虚幻引擎5的一个雷达插件生成点云数据并存储到本地 .txt文件。由于想转换成常见的点云数据文件格式，例如 .pcd, .ply等，需要用到cpp的 pcl库。安装过程极其曲折。
两个安装方式
朴素的官方All in One 安装（没试的
需要去官方的github下载一个安装程序和一些包。参考博客：
https://blog.csdn.net/qq_45006390/article/details/118928500
然后手动进行很多配置，包括配置VS项目属性中的包含目录，库目录，附加依赖项等等，十分之复杂，甚至需要把某目录下所有 .lib文件都添加到附加依赖项，让人丝毫没有折腾的欲望。
又看了好多个博客，实际内容和流程是一样的，只是可能版本不同，需要针对自己的版本和本地存放资源的路径进行一定的修改，十分繁琐。
vcpkg包管理器（成功的
项目地址：https://github.com/microsoft/vcpkg/blob/master/README_zh_CN.md
这是微软提供的一个可以在多平台上管理 C和 C++库的软件。可以用它来安装 pcl库。在获取 vcpkg后执行命令安装pcl：
.\vcpkg\vcpkg install pcl:x64-windows接着执行命令，将包整合到所有 C和 C++项目：
.\vcpkg\vcpkg integrate install尝试运行 cpp文件时，遇到了麻烦：visualization包不存在。
查阅信息后发现这不是个例，这是vcpkg安装 pcl后的常见问题，找到了同样问题：
https://zhuanlan.zhihu.com/p/342824602 评论区
https://stackoverflow.com/questions/69302800/a-question-about-vcpkg-and-pcl-visualization
https://blog.csdn.net/weixin_44153180/article/details/128173636?spm=1001.2014.3001.5501
https://blog.mangoeffect.net/tools/vcpkg-install-pcl-visualization-module
解决过程
十分感谢下面两篇帖子：
https://blog.csdn.net/qq_41685265/article/details/108901486
https://stackoverflow.com/questions/69302800/a-question-about-vcpkg-and-pcl-visualization
- 大部分关于
vcpkg的教程会提到可以用命令vcpkg integrate install直接进行包的整合，但是实际上这并不一定适用所有，第一篇帖子中提到了需要手动设置项目的包含目录和库目录。 - 第二篇帖子提到了以递归方式安装
vtk工具包。
结合两者，我成功得到了解决方案：
首先根据普遍步骤执行命令安装 pcl工具包。在 C:\src\vcpkg\installed\x64-windows\include目录下（取决于你的vcpkg安装位置）可以看到一些文件夹：
接着，使用递归的方式安装 vtk工具包：
vcpkg install pcl[vtk]:x64-windows --featurepackages --recurse这一步会消耗一些时间，完成之后会在刚才的目录下看到更多的文件夹，其中就有 vtk文件夹：
最后，在 Visual Studio的项目设置中添加包含目录，添加 vtk的路径 C:\src\vcpkg\installed\x64-windows\include\vtk-9.2：
即可成功运行。测试代码：
#include <iostream>
#include <vector>
#include <ctime>
#include <pcl/point_cloud.h>
#include <pcl/octree/octree.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>
using namespace std;
int
main(int argc, char** argv)
{
srand((unsigned int)time(NULL));
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// 创建点云数据
cloud->width = 1000;
cloud->height = 1;
cloud->points.resize(cloud->width * cloud->height);
for (size_t i = 0; i < cloud->points.size(); ++i)
{
cloud->points[i].x = 1024.0f * rand() / (RAND_MAX + 1.0f);
cloud->points[i].y = 1024.0f * rand() / (RAND_MAX + 1.0f);
cloud->points[i].z = 1024.0f * rand() / (RAND_MAX + 1.0f);
}
pcl::octree::OctreePointCloudSearch<pcl::PointXYZ> octree(0.1);
octree.setInputCloud(cloud);
octree.addPointsFromInputCloud();
pcl::PointXYZ searchPoint;
searchPoint.x = 1024.0f * rand() / (RAND_MAX + 1.0f);
searchPoint.y = 1024.0f * rand() / (RAND_MAX + 1.0f);
searchPoint.z = 1024.0f * rand() / (RAND_MAX + 1.0f);
//半径内近邻搜索
vector<int>pointIdxRadiusSearch;
vector<float>pointRadiusSquaredDistance;
float radius = 256.0f * rand() / (RAND_MAX + 1.0f);
cout << "Neighbors within radius search at (" << searchPoint.x
<< " " << searchPoint.y
<< " " << searchPoint.z
<< ") with radius=" << radius << endl;
if (octree.radiusSearch(searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0)
{
for (size_t i = 0; i < pointIdxRadiusSearch.size(); ++i)
cout << " " << cloud->points[pointIdxRadiusSearch[i]].x
<< " " << cloud->points[pointIdxRadiusSearch[i]].y
<< " " << cloud->points[pointIdxRadiusSearch[i]].z
<< " (squared distance: " << pointRadiusSquaredDistance[i] << ")" << endl;
}
// 初始化点云可视化对象
boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer(new pcl::visualization::PCLVisualizer("显示点云"));
viewer->setBackgroundColor(0, 0, 0); //设置背景颜色为黑色
// 对点云着色可视化 (red).
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>target_color(cloud, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, target_color, "target cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "target cloud");
// 等待直到可视化窗口关闭
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(1000));
}
return (0);
}取自博客 https://blog.csdn.net/qq_45006390/article/details/118928500