从三维扫描数据或点云中提取几何特征，是配准、重建和跟踪等应用中的第一步。现有的先进方法通常需要以低层特征作为输入，或提取感受野受限的局部区域特征。在本工作中，我们提出了一种全卷积几何特征，通过一个三维全卷积网络一次性完成计算。此外，我们还引入了新型度量学习损失函数，显著提升了模型性能。全卷积几何特征具有紧凑性，能够捕捉广泛的时空上下文信息，并可扩展至大规模场景。我们在室内与室外数据集上对所提方法进行了实验验证。结果表明，该方法在无需任何预处理的情况下，即可达到当前最优的精度，特征维度仅为32维，且计算速度比现有最准确的方法快600倍。