三维视觉技术是计算机视觉领域中的一个重要方向,立体对象识别和检索任务是三维视觉领域中的一个重要的研究领域,被广泛的应用于自动驾驶,虚拟现实/增强现实,游戏,产品设计等应用领域。如何从立体对象数据中获取高质量的立体对象特征表示在识别和检索中具有重要的作用。对于立体对象的多视图数据,视图之间存在着一定相似性或差异性的关系,如何合理的利用视图的关系进行合理的建模值得被进一步的研究。当前的研究工作大多关注如何从单个立体对象的数据中尽可能的获得高质量的立体对象特征表示,但是立体对象的检索是在对象空间中寻找相关的对象,因此在学习立体对象特征表示时,如何将对象空间中的复杂关联充分的挖掘和利用起来也是非常重要的。另外,搭建可用于立体（3D）对象识别和检索的软件系统也具有非常重要的意义。因此,基于以上提到的一些问题,本文开展了基于深度学习的立体对象识别和检索方法研究,本文的主要研究内容和具体贡献可概括如下:（1）为了能够更好地利用和挖掘立体对象多视图数据之间的关联关系,得到更好的立体对象特征表示进行识别和检索,我们提出了一种基于多视图高阶关联的立体对象识别和检索方法。方法中超图和多视图超图卷积被设计用于多视图关系的建模和视图特征提取,整体网络结构通过视图节点池化过程逐级的实现立体对象特征的提取。我们进行了立体对象识别和检索实验,证明了该方法的有效性。（2）我们提出了一种基于多尺度超图神经网络的立体对象识别和检索方法。在该方法中,通过超图构建立体对象之间的相关性,设计了超图神经网络去学习和利用立体对象之间的高阶关联实现对象特征的联合优化。该方法还引入融合模块,将不同尺度上的特征进行融合以获得更高质量的立体对象特征表示。我们在公开3D数据集上进行了识别和检索实验验证,实验结果表明该方法相比于该领域内的前沿方法在性能上有显著提升,证明了该方法的有效性。（3）基于本文的算法研究我们设计了一套可用于立体对象识别和检索的软件系统,该系统被称为立体对象分析系统。该系统通过软件可视化交互的设计,可以进行算法智能化的立体对象识别和检索,同时拥有视图数据和立体对象的可视化显示、运行算法选择等功能。该系统主要使用图形用户界面（GUI）框架PyQt和深度学习框架PyTorch技术搭建而成,对硬件的要求低,可移植性强,使用方便快捷。该系统也进一步验证了本文提出的算法的有效性。