随着三维建模和三维扫描技术的不断成熟,三维模型的获取变得越来越容易。相对于平面的二维图像,立体的三维模型能够给人更直观的视觉感受,符合人类的认知习惯,被广泛地应用于工业设计、影视娱乐、虚拟现实等多个领域。互联网时代的来临和网络技术的日益发展更使得三维模型的数量呈指数级增长,如何能够在海量的三维模型中快速且准确地找到相同或相似的模型,从而实现模型复用,可以大幅减少设计成本,具有重要的研究价值,三维检索也成为了计算机视觉相关领域的研究热点。相比二维图像规则化的像素形式,三维模型的表达方式则更加复杂多样,检索任务也更具挑战性。针对目前三维模型特征表现力差、类内判别力不足等问题,本文从形状特征出发,就基于特征编码的三维检索相关技术进行研究分析,提出一种结合Fisher编码和距离学习的三维检索方法。本文的主要内容如下:1.本文根据三维模型的形状特性对刚体和非刚体模型进行了深入的调研与分析,对基于特征编码的三维模型检索相关技术的理论和实现原理进行了详尽的阐述,并分析了全局特征描述子与局部特征描述子各自的优缺点。2.本文针对三维模型特征提取方法进行细致的分析,结合三维模型局部和全局特征的性质,在局部特征中融入全局位置信息,弥补其空间描述力的不足。3.本文对特征编码方法在三维检索领域的应用进行充分的讨论分析,针对传统词袋模型编码方式单一等缺点,使用高斯混合模型对三维特征集合进行无监督字典学习,生成基于Fisher Vector的编码描述,保证了特征编码的区分性和判别性。4.本文利用距离学习对Fisher编码进行线性映射,通过子空间投影去除特征冗余信息,减少内存消耗,得到类内距离小类间距离大的重构特征描述子,进一步提高了算法精确度。本文方法在三维模型基准库上进行充分的实验分析,同时验证了各步骤的有效性,结果表明本文方法表现出了更高的检索精度。