三维模型在虚拟手术、分子生物、文物保护、计算机辅助设计等众多领域都扮演着非常重要的角色。上个世纪90年代以来,随着这些领域的快速发展以及网络三维模型海量数据库的扩充和三维物体扫描技术的成熟,导致了三维模型数量的急剧增加,人们迫切需要从众多的三维模型中准确地找到自己所需要的模型,因此三维模型检索越来越受到研究人员的重视。本文在对前人关于三维模型检索的工作进行系统研究的基础之上,提出了两种新的基于统计学的三维模型检索算法。本文所做的工作如下:(1)总结与分析了三维模型检索的研究现状、相关技术。(2)实现了两个前人的基于统计学的三维模型检索算法:Osada提出的形状分布的检索算法和Ankerst提出的对模型切分后生成直方图的检索算法。(3)提出了一种新的基于统计学的三维模型检索算法:基于相对角度直方图匹配的检索算法。该算法仅仅通过统计模型表面点上每一个点与其他所有点之间的角度关系作为模型的特征量用于模型的检索,不需要考虑模型三角面片的相关信息。(4)由于相对角度直方图需要考虑模型上每一个点与其他所有点之间的角度关系,导致了每一个模型所形成的直方图的维数较大,所以基于降维的考虑又提出了一种基于聚类分析的检索算法。该算法大大的降低了模型的特征量维数,从而降低了算法的时间复杂度,加快了模型检索的速度。(5)总结了算法性能评价的相关标准,并且从实验结果与算法性能来看,本文提出的两种三维模型的检索算法对于大多数模型来说在检索效果与算法性能上都比Osada提出的形状分布的检索算法和Ankerst提出的对模型切分后生成直方图的检索算法要好。