随着三维建模软件的广泛使用和三维扫描技术的发展使得三维模型的获取变得越来越简单,产生了大量的三维模型,并且三维模型开始被广泛应用于各个领域。三维模型已经成为继图像、声音和视频后的又一种新的多媒体数据类型。面对大量的三维模型,如何从中找到我们需要的模型就成为一个必须解决的问题,于是三维模型的检索技术应运而生。目前三维模型检索技术研究的热点在于基于内容的检索方法,而基于内容的算法又可以分成很多种类,一个完整的检索过程通常包括模型预处理、特征向量的提取和相似度匹配三个步骤。本文对几种基于内容的三维模型检索算法做了研究和讨论,并提出了几种新算法。本文首先阐述了三维模型检索技术的研究背景及意义,然后分别介绍了模型检索的各个步骤中的关键技术。三维模型的预处理包括平移变换、旋转变换和缩放变换三个方面。目前现有的三维模型特征向量的提取技术种类繁多,并且没有一种统一的分类方式,本文将其分成7类,并对每一类方法分别做了阐述。最后一步是模型相似度的比较,主要有三种距离计算方法: L1 (Manhattan)距离、L 2(Euclidean)距离和Hausdorff距离。在三维模型特征向量的提取技术中,基于球面调和变换的特征提取方法是一种非常重要的方法,使用该方法不需要对模型进行旋转变换,即可得到具有旋转不变性的特征描述符。Kazhdan等提出的算法首先进行模型的体素化,然后将体素化的结果转换成球面调和变换的采样值,这一过程存在较大误差。本文算法直接对三维模型的包围球进行球面体素化,避免了从直角坐标系下体素转换到球坐标系时产生的误差。三维模型的骨架化算法是一种基于拓扑结构的算法,其关键在于模型骨架的提取,通常采用的技术有距离变换法和基于Reeb图的方法。距离变换方法在提取二维图像的骨架上有很好的效果,但是把完全的距离变换方法应用到三维模型上则存在时间复杂度过高的缺点,因此本文提出一种近似的距离变换方法提取三维模型的骨架节点,并将其作为特征向量进行三维模型的检索。自然界和日常生活中的很多物体都具有某种形式的对称性,对称性既是物体的重要特征,也是人类视觉感知组织系统中的重要组成部分。基于对称性的描述符可以很好地反映三维模型的形状信息,适用于三维模型检索领域。本文使用两种聚类算法,对三维模型的对称平面进行提取,将聚类得到的对称平面的位置和法向量信息作为三维模型的特征向量,实验表明该方法可以对三维模型进行有效检索。