无监督点云形状对应旨在在无需人工标注的点云对之间获得密集的点到点对应关系。然而，人类和某些动物具有双侧对称性和多种朝向，这导致了对称部分的严重误预测。此外，点云噪声破坏了点云的一致性表示，从而降低了形状对应的准确性。为了解决上述问题，我们提出了一种自集成方向感知网络（Self-Ensembling ORientation-aware Network），简称SE-ORNet。我们的方法的关键在于利用一个方向估计模块和域适应判别器来对齐点云对的方向，这显著缓解了对称部分的误预测问题。此外，我们设计了一个用于无监督点云形状对应的自集成框架。在这个框架中，通过使用不同的数据增强方法扰动学生网络和教师网络的输入，并约束预测的一致性，克服了点云噪声带来的干扰。广泛的实验表明，在人类和动物数据集上，我们的SE-ORNet可以超越现有的最先进的无监督点云形状对应方法。