我们提出了一种精确且高效的法向估计方法，该方法能够处理无结构3D点云中的噪声和非均匀密度问题。与现有方法直接采用局部区域而忽略邻域关系的做法不同，这些方法在处理如尖锐边缘等复杂区域时容易受到影响，我们提出通过学习图卷积特征表示来进行法向估计，这种方法更加注重局部邻域几何结构，并能有效编码内在关系。此外，我们设计了一种基于注意力机制的新型自适应模块，将点特征与其邻域特征进行融合，从而进一步增强了所提出的法向估计器对点密度变化的鲁棒性。为了提高其区分能力，我们在图块中引入了多尺度架构来学习更丰富的几何特征。我们的方法在各种基准数据集上表现出色，达到了最先进的精度，并且对噪声、离群点以及密度变化具有很强的鲁棒性。