随着Internet技术和图形图像学的飞速发展,网络多媒体信息呈爆炸式增长,而原始的文本检索技术已不能满足人们日益增加的知识需求,因此近年来基于内容的三维模型检索成为了一个研究热点,并且由于其在军事、医学、游戏、模式识别等众多领域的广泛应用前景,吸引了越来越多研究者的关注。基于内容的三维模型检索算法可以划分为两类:刚体检索和非刚体检索。基于内容的三维模型检索课题刚提出时,绝大部分研究者都致力于研究刚体模型检索,提出了很多优秀的特征提取及其相似性度量算法。随着研究的深入,简单的刚体检索在许多领域中根本发挥不出作用,因此提出了非刚体检索。　　 本文从前者出发,提出了一种基于空间嵌入的局部特征描述算法。该算法首先使用空间嵌入技术(MDS)把经过等距变换的模型嵌入到测地距离空间,获得其标准型。在嵌入的同时,该算法还需对模型进行最远点采样,获得其分布均匀且显著的点,之后通过spin image提取模型特征,spin image特征的局部描述能力非常强,且在刚体模型检索中有着较好的检索精度。最后该算法通过使用逐点匹配和词包进行相似性度量。本文的算法分别在TOSCA和Shrec11模型库上做过实验,然后对实验结果进行评估比较,发现本文的算法在各项评价指标上都强于其它算法(HKS,PatchBOF),并且其在’TOSCA库中的检索结果跟meshSIFT算法相差无几,说明了本文算法的有效性。