本文针对三维耳廓扫描点云的配准问题，首先基于SIFT算法和离散高斯曲率，快速建立耳廓点云的不同邻域尺度下的高斯差分空间，从而得到不同规模的特征点云；然后基于EM-ICP算法，按照特征点云规模由递增的顺序依次进行EM-ICP配准，构成级联的EM-ICP配准，逐级优化配准结果；并基于CUDA对配准过程中出现的大规模矩阵运算并行加速。实验证明，本文算法能够避免局部配准的缺陷，提高了耳廓点云三维配准的效率、精确度和稳定性。