随着互联网的出现并不断发展,人们获取到的信息形式经历了从过去的文本、数字到如今的图像、语音、视频等多媒体的过程。当下三维模型在多媒体领域中的需求量大,该领域对三维建模要求速度快、质量高,因此通过三维模型检索找到相关已有的三维模型进行修改是一种快速而高效的做法。三维模型检索是一种以三维模型特征为索引的检索方式。选择何种三维模型特征、如何优化三维模型特征是三维模型检索系统开发过程中必须正视并解决的基本问题。为提高三维模型检索的精确度,本文提出了一种使用核线性分类分析来对三维模型特征进行优化的新方法,其主要思想是通过满足Mercer条件的非线性映射将低维空间下线性不可分的样本映射到高维空间,在高维空间中利用线性分类分析将原有的三维模型特征投影到特定的子空间。该方法能够在保持类间距离的基础上得到具有鉴别信息的低维特征用于三维模型检索。本文实验结果表明,核线性分类分析方法的速度较快,可在秒级完成三维特征优化,同时优化特征在本文测试数据集上可平均提高搜索准确度15%。姿态估计问题是指从二维图像中检测到目标物体的位置并计算姿态参数(目标物体的方向和尺度信息)。为减少人为设计特征的工作量以及带来的影响,本文提出了一种使用卷积神经网络来对三维模型深度图进行姿态估计的新方法,其主要思想是通过监督学习的方法训练合适的卷积神经网络结构,对三维模型深度图像提取特征后进行姿态参数的预测。该方法没有人为设计的特征,减少了预测的主观性。