智能科技的进步以及用户需求的改变,使得具有直观表现能力的三维立体技术被广泛应用,同时涌现出大量的三维模型数据。为了合理利用现有的三维模型数据信息,提高资源的复用率,让数据更好地为人类服务,三维模型检索成为计算机视觉领域中的热门研究课题。基于关键字的三维模型需要人工标注,存在一定的个人主观意识,并且有些复杂的三维模型难以用语言进行描述,无法全面地表现用户需求。基于内容的三维模型检索需要用户事先创建或者找到一个具有代表自己需求的模型,这与最初的三维模型检索目的相违背。基于草图的三维模型检索是最简单、最有效的方法,既可以直观地表达用户需求,又容易获取。基于草图的三维模型一般是将三维模型转化为二维图像,然后使用匹配算法完成模型检索。本文基于草图的三维模型检索中,为解决草图和三维模型的跨维度问题,采取了一种新的基于球体投影的二维视图获取方法,并利用高斯差分和Bezier曲线将二维视图转化为类似草图的二值线图。由于投影的二维图像较多,会存在信息冗余,因此我们需要从中选取最具代表性的视图。针对最优视图的选取,我们采用深度神经网络的最优视图学习算法,用大量的草图样本训练分类器以获取更优结果。此外,我们使用两个Siamese网络来进行三维模型的检索,并使用一个联合贝叶斯(JB)方法融合草图和二维视图的输出。实验证明了该方法的可行性,结果表明所提出的方法比其他方法具有更好的检索效果。