随着计算机技术的高速发展,人类进入了智能数字化时代,大量的三维模型也随之被设计、制作出来,被广泛应用于各个领域。相比于二维图像,三维模型虽然表现更加直观,但是结构也更加复杂。为了高效地利用已有资源重用三维模型,三维模型的识别、检索技术成为一个重要的研究方向。随着深度学习在二维图像领域的广泛应用,许多基于深度学习和多视图的三维模型检索算法纷纷涌现。然而,目前的算法更多地着眼于单个视图的特征提取,难以挖掘多张视角图之间关联。针对这个问题,本文融合多视角图卷积神经网络和视觉transformer设计了一种检索算法去深度挖掘多张视角图之间的信息关联,使得对三维模型的检索更加地精准。本文的主要工作包括:（1）本文搭建了三维模型处理的实验环境,对三维模型进行降维处理,通过虚拟相机对三维模型降维生成多视角图来构造图像数据,构建三维模型特征库。（2）本文改进了基于多视角图卷积神经网络三维模型检索算法。该网络改进了多视角图卷积神经网络模型的视图池化层,将原有的最大视图池化改进一种基于图像熵的权重池化方式,将以图像熵为标准得到的权重分别赋予了每张视角图后,再进行视图池化,将多视角图的信息进行了更高效的融合。（3）本文提出了一种新颖的基于视觉transformer的三维模型检索算法,命名为融合视觉Transformer多视角图卷积神经网络。该模型将两级视觉Transformer嵌入了多视角图卷积神经网络,挖掘了多张视角图之间的信息关联。并对两种改进的基于多视角图的三维模型检索算法进行了有效性验证实验。实验证明改进后的算法对网络的性能有所提升。（4）本文设计了一个基于融合视觉Transformer的多视角图卷积神经网络的三维模型检索系统,使用B/S架构应用python、Java script等编程语言进行开发。该系统能够实现模型展示、模型检索以及模型格式转换、浏览模型库、增删模型以及在线训练模型的功能,并对系统进行了测试,测试效果良好。本文在多视角图卷积神经网络的结构上对其视图池化层进行改进,并且首次将多视角图卷积神经网络和视觉transformer进行融合,并以此为基础实现了一个三维模型检索系统,完成了理论和应用上的优化创新工作,这为三维模型领域的后续相关科研工作提供了一定的参考价值。