针对具有不同缩放尺度点云的配准问题,提出一种基于自适应邻域(General Adaptive Neighborhood, GAN)匹配的点云配准方法。首先,随机的选取初始匹配点对作为种子点,并对点云上点的GAN进行定义;然后根据GAN的形状信息确定种子点所在特征区域及其潜在匹配关系,并对GAN进行Delaunay三角剖分,得到能有效描述种子点局部曲面几何形状的三角网格,通过定义残差角作为局部曲面形状描述子进行几何信息匹配,从而确定真实匹配点对;最后,根据真实匹配点对计算旋转平移矩阵,得到点云的初始位置,并利用尺度迭代最近点方法(Scaled Iterative Closest Point,SICP)将点云进行精确对齐。实验结果表明,该方法通过点GAN的匹配,同时考虑了点的局部特征信息及其上下文相关的空间约束,且匹配相关约束均对尺度鲁棒,能够在有效提高点对匹配准确率的同时,解决不同缩放尺度点云的配准问题。