UV展开是计算机图形学领域用于三维模型表面纹理贴图的一项技术,主要通过三维模型表面网格的形变,建立三维坐标到二维图像坐标之间一对一的映射关系。由于三维物体表面,特别是非刚体三维模型（例如人体）对于空间坐标不具有不变性,而其相对于表面的二维坐标一般是固定不变的,因此可以将三维模型转化到二维平面下进行研究,另一方面,三维模型的二维图像表示对于基于深度学习的三维物体识别等方面具有一定应用价值和实际意义。针对这一问题,本文主要研究如何将三维模型转化为二维图像,实现三维模型的降维处理。基于三维模型的二维图像表示进行特征提取和识别,以验证降维之后三维特征可以存储在二维图像上。三维模型的UV展开使得庞大的三维模型信息简化为二维信息,在三维特征学习和三维识别方面有着巨大意义。本文通过UV展开将三维表面映射到二维UV空间进行三维特征表示研究,主要包括以下几个方面。1)基于点云的三维特征。首先详述了点云特征并利用点云特征对点云数据进行配准,对比各个配准算法的优缺点。2)基于UV展开的三维特征。本课题主要研究三维特征的二维图像表示,通过将三维模型映射到二维的UV坐标下表示,使得庞大的点云数据转化为简单的二维图像。首先将三维模型分为封闭和非封闭模型进行UV展开,其次将三维点云进行PCA处理之后投影到二维平面生成深度图像,最后研究三维网格化之后通过不同算法展开到UV坐标下,并使用UV空间来存储三维数据集中的所有数据,让三维数据和二维图像一一对应。3)UV展开特征提取与识别。将UV展开之后的三维模型进行特征提取与识别。实验结果表明,本文提出的基于UV展开的三维特征表示方法能够将三维模型展开到二维图像上,并获得了理想的实验结果。本文能优先保证三维模型的表面完整地保存在维平面上,通过对二维坐标的索引可以提取三维模型的表面特征,最后对基于UV图像进行了三维模型的模式识别实验。