网上教程很少，但是想用PCL GPU功能，于是决定自己踩坑，我有几个不同的环境组合：

(1)win10+cuda10.0+vs2019+PCL1.11.1+cmake3.18.5（失败）

(2)win10+cuda11.2+vs2019+PCL1.11.1+cmake3.18.5（成功）

(3)win11+cuda11.2+vs2019+PCL1.11.1+cmake3.18.5（未测，应该和2类似）

参考教程：Win10+VS2019编译PCL库1.12.0（含gpu）_pcl编译_番茄V王子的博客-CSDN博客

基础配置：

（1）环境变量：以下变量不必补全所有的变量，缺啥补啥即可

这里用到了PCL官方下载的PCL-1.11.1-AllInOne-msvc2019-win64.exe或者PCL-1.13.1-AllInOne-msvc2022-win64.exe；

类似教程中的，添加EIGEN_ROOT、EIGEN_INCLUDE_DIR、BOOST_ROOT、BOOST_INCLUDEDIR、BOOST_LIBRARYDIR、FLANN_INCLUDE_DIR、FLANN_LIBRARY、FLANN_LIBRARY_DEBUG、VTK_DIR、QHULL_INCLUDE_DIR、QHULL_LIBRARY、QHULL_LIBRARY_DEBUG

（2）cmake-gui设置

首先关于boost的警告我们忽略，保证能够Configuring done即可；

WITH_CUDA、BUILD_CUDA、BUILD_GPU勾选，点一次Configuring；

再勾选我们后面可能会使用到的BUILD_cuda_io、BUILD_gpu_surface，点一次Configuring；

CMAKE_INSTALL_PREFIX选择你希望生成的路径，将关于Anaconda找到的依赖库PNG、ZLIB的路径都删除，点一次Configuring；

然后Generate和Open Project，在VS中选择Release，然后ALL_BUILD，最后INSTALL；

第一次尝试（失败）：使用环境(1)

原因是对于PCL1.11.1来说cuda10.0版本太低。

第二次尝试（成功）：使用环境(2)

期间报了几个错误：

（1）openni检查MSVC版本，如下图，我这里宏的值为1929，于是后续我改成1929即可；

 （2）eigen的cuda的报错，上述参考教程中也提到了，但是我只报了一处错误，改成如下图就好了；

（3）一些关于gpu_kinfu的错误，忘记截图了，查了一下是kinect fusion算法相关的东西，暂时没用到，所以cmake-gui里面把相关去掉，再重新编译；

（4） 一些关于openni的报错，忘记截图了，从报错信息看的出是openni出的问题，我想着我也没用这玩意，干脆在cmake-gui里面把它两的勾去掉，再重新编译；

  然后就成功编译完成未有任何报错；

最后来运行一下PCL GPU程序：

CMakeLists.txt内容为：

cmake_minimum_required(VERSION 3.1...3.20)

add_compile_options("/std:c++17")

project(pcl_gpu_test)

#pcl
set(PCL_ROOT D:/soft/PCL/PCL_1.11.1_GPU/install)
find_package(PCL 1.11 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
#message(STATUS "PCL include path is: " ${PCL_INCLUDE_DIRS})
#message(STATUS "PCL lib path is: " ${PCL_LIBRARIES})

#include_directories(./include)
FILE(GLOB CPP_FILE0 ${PROJECT_SOURCE_DIR}/src/*.cpp)
add_executable(pcl_gpu_test0 ${CPP_FILE0})
target_link_libraries(pcl_gpu_test0 ${PCL_LIBRARIES})

main.cpp为：

#include <iostream>
#include <string>

#include <pcl/PointIndices.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/obj_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/segmentation/extract_clusters.h>

#include <pcl/gpu/octree/octree.hpp>
#include <pcl/gpu/containers/device_array.hpp>
#include <pcl/gpu/segmentation/gpu_extract_clusters.h>
#include <pcl/gpu/segmentation/impl/gpu_extract_clusters.hpp>

int main()
{
	//例子参考https://zhuanlan.zhihu.com/p/258780417
	using namespace std;
	string obj_path = R"(F:\temp\test.ply)";
	using T = pcl::PointXYZ;
	pcl::PointCloud<T>::Ptr cldPtr(new pcl::PointCloud<T>);
	pcl::io::loadPLYFile(obj_path, *cldPtr);

	double radius = 20.0;
	int minSize = 1;
	int maxSize = INT_MAX;

	//cpu欧式聚类
	std::vector<pcl::PointIndices> cluster_indices_cpu;
	{
		typename pcl::search::KdTree<T>::Ptr tree(new pcl::search::KdTree<T>);
		tree->setInputCloud(cldPtr);

		pcl::EuclideanClusterExtraction<T> ec;
		ec.setClusterTolerance(radius); //设置近邻搜索的搜索半径
		ec.setMinClusterSize(minSize);//设置一个聚类需要的最少点数目
		ec.setMaxClusterSize(maxSize); //设置一个聚类需要的最大点数目
		ec.setSearchMethod(tree);//设置点云的搜索机制
		ec.setInputCloud(cldPtr);
		ec.extract(cluster_indices_cpu);//从点云中提取聚类，并将点云索引保存在cluster_indices中
	}
	cout << "cpu 计算结果：" << endl;
	for (int i = 0; i < (int)cluster_indices_cpu.size(); ++i)
	{
		cout << cluster_indices_cpu[i].indices.size() << endl;
	}

	//gpu欧式聚类
	std::vector<pcl::PointIndices> cluster_indices_gpu;
	{
		pcl::gpu::Octree::PointCloud cldPtr_gpu;
		cldPtr_gpu.upload(cldPtr->points);

		pcl::gpu::Octree::Ptr octree_gpu(new pcl::gpu::Octree);
		octree_gpu->setCloud(cldPtr_gpu);
		octree_gpu->build();

		pcl::gpu::EuclideanClusterExtraction gec;
		gec.setClusterTolerance(radius);
		gec.setMinClusterSize(minSize);
		gec.setMaxClusterSize(maxSize);
		gec.setSearchMethod(octree_gpu);
		gec.setHostCloud(cldPtr);
		gec.extract(cluster_indices_gpu);
	}
	std::sort(cluster_indices_gpu.begin(), cluster_indices_gpu.end(), [](const pcl::PointIndices& a, const pcl::PointIndices& b) 
		{return a.indices.size() < b.indices.size(); });//cluster_indices_gpu是未排序的
	cout << "gpu 计算结果：" << endl;
	for (int i = 0; i < (int)cluster_indices_gpu.size(); ++i)
	{
		cout << cluster_indices_gpu[i].indices.size() << endl;
	}

	return 0;
}

最后我这个例子中结果是一致的，但是！！！我如果把参数radius改成10.0，发现结果不一致，具体原因不知为何。