三维感知技术的研究是一个应用广泛但是目前仍然处在发展阶段的研究领域。三维数据格式多种多样,三角网格模型作为其中一种广泛使用的数据格式,和点云格式一样有着极不规则的特点,同时其区别于点云还包含了复杂的拓扑结构。这使得现有深度学习方法在处理三角网格数据时难以充分发挥其强大的功能。在这样的背景下,本文立足于三角网格模型识别任务,从几何特征和拓扑结构两个角度分别进行了研究。本文将三角网格模型的几何结构归纳为基于网格的三角型结构、基于连边的邻接三角形对结构和基于顶点的棱锥结构。其中棱锥结构较为特殊,本文采用了不定长序列对其进行描述并使用了特殊设计的卷积网络提取其维度一致的逐结构特征。三角网格模型中每一处网格、连边、顶点的局部区域均对应了某种几何结构的一个实例,而其余区域均是平坦的表面,因此这些几何结构完整地涵盖了三角网格模型的几何属性。本文还引入了表征空间信息的中心坐标和表征姿态信息的法向量与各处几何结构的特征进行融合以优化全局聚合的效果。最后本文进行了几何特征的集成,并在编码空间信息时使用了共享参数的编码器,最终在三角网格模型识别任务中取得了最先进的性能。关于拓扑结构分析,本文提出了两种不同的三角网格模型拓扑图建模方式。一种是以每个三角网格作为拓扑图的节点,网格间共享连边的关系作为拓扑图中的连边关系。另一种则以每个网格顶点作为拓扑图的节点,网格内两个顶点之间的连边作为拓扑图中的连边。本文为两种不同的拓扑图建模方式分别设计了节点特征与连边特征的构造与编码方式。最后,本文在两种拓扑图建模方式下使用了一套统一的基于边卷积操作和图卷积操作的拓扑图分类网络。其中,边卷积操作能够有效地将连边信息聚合到对应的中心节点上,而图卷积操作为中心节点额外引入了局部邻域的信息。实验结果显示两种建模方式中以顶点为节点的拓扑图构造方式更具优势,同时其性能还优于本文提出的几何特征集成模型,证明了三角网格模型中的拓扑信息的重要性。