三维形体研究已经经历了数十年的发展,并取得了丰硕的成果。为诸如三维游戏、医疗研究、三维打印、虚拟现实研究、分子生物学研究、工业设计以及安全等诸多领域提供了方便。随着互联网的发展以及大数据云计算的蓬勃兴起,可以预见三维形体将会随着这些技术的发展而得到更多的应用,因此,三维形体的研究具有深远的意义。对于三维形体的研究实质上是对三维形体特征的寻找搜集以及算法实现应用来提高应用水平而做的工作。本文提出了三维形体的内部距离的基于自适应体素化的提取方式,并以三维内部距离为基础做了形体匹配、形体检索等进一步的应用研究。本文的展开将围绕以下六个方面:首先,本文会介绍一些三维形体研究提出的经典的特征及其提取过程,并对其发挥优势的应用范围做一些评价,同时引出本文中所提出的特征(三维内部距离)。其次,将详细的介绍本文的主要研究内容,包括所采用的三维形体的自适应体素化(Adaptive Voxelization)的表示方式、三维形体的内部距离(3D Inner Distance)提取方法以及在内部距离基础上的平均内部距离的提取。然后基于三维内部距离做进一步的研究,详细介绍本文所尝试的三维形体的匹配算法并在使用同一个匹配算法的情况下将内部距离替换成欧氏距离以及测地距离,对比三种特征的匹配效果。最后介绍三维形体的检索以及本文检索方案的设计。本文在普林斯顿大学分割基准(Princeton Segmentation Benchmark,PSB)图形库、TOSCA图形库、SCAPE图形库以及SHREC07图形库上做了大量的形体的研究和应用实验,结果显示取得了较好的效果。