特征匹配问题是计算机视觉、对象识别和机器人技术的核心问题。在传统的模式识别中，图像与视频的识别在过去的十年中发展了很多方法。近来，匹配算法由二维图像扩展到三维图形。许多新概念和技术相继出现，诸如形状恢复、三维物体配准和网格显著度等。直到现时为止，在三维匹配领域有许多研究关注于全局匹配问题，此类方法着力于整个三维模型的整体相似度的测量与评价。然而，全局匹配在三维模型局部相似性比较的应用中确实存在弱势。三维模型的局部匹配技术可以很好的解决上述问题。局部匹配的任务是通过对比模型的局部或特定区域，制定模型的相似程度评价。两个三维物体待匹配的子部分不需要预先指定，可以是任意的形状、朝向和尺寸。三维对象局部匹配相对于全局匹配是一个难得多的问题。原因之一在于它必须寻找相似的子部分，并给出相似度评价。 本文着力于讨论三维表面网格模型的特征匹配及基于特征的建模算法。首先对该领域的历史背景和研究内容进行系统的回顾。并以其新的研究发展方向--局部特征匹配的研究作为切入点，在此基础之上引出本文的研究课题。本论文在以下几个方面进行了深入的研究，其主要贡献可概括如下： 在特征匹配的问题上，寻找与位置和方向无关的特征表述方法是问题研究的关键。受ScaleInvariantFeatureTransform(SIFT)算法启发，提出一种三维几何网格上的特征部分匹配方法。该方法分析了曲面曲率的离散表示，通过对二维流形尺度空间极值的检测，寻找相对稳定且有代表性的关键点作为网格局部几何特征。本文进一步分析了特征稳定性与尺度检测深度的关系，并建立局部特征描述器集合。描述器是具有尺度与旋转不变性的独立标架，允许处理大面积的无语义的复杂网格。本方法适用于三维网格模型的少许变形，并可通过调整阀值来调整模型匹配的相似程度。 在真实性建模问题上，本文通过预先建立的语义特征对三维数字人体模型作重建以及参数化处理。本文提出基于水平集的扫描点简化算法，对高密度的扫描点模型作简化处理，并能解决扫描点模型中普遍存在的重影与空洞问题。该方法具有自动排序特点，并且使简化结果保留原扫描点模型按层划分的特性。通过指定不同的简化半径，该算法自动生成多分辨率的层次细节模型。实验结果显示，本方法在高简化精度下具有好的保形性。简化所得的点模型可通过多边形或曲线、曲面重建。 总之，本文针对特征在匹配与建模的研究和应用方面，做了认真和有益的探索。本文提出的特征匹配方法在三维对象的识别、检索以及无语义的网格特征搜索有一定的参考价值。在散乱点建模方面，不仅在计算机图形学角度提出自己的研究思路与见解，而且结合数字人体建模与参数化模型，并将其应用到功能性服装CAD中。