随着计算机硬件和图形技术的发展,特别是建模和渲染技术的快速发展,越来越多的三维模型应用到各个领域,这也促进了三维检索技术的研究。在这些技术中,其中基于视图的多特征检索技术取得了较好的效果。不同的特征描述的是三维模型不同的特性,而且对于不同种类的模型具有不同表达能力,因此我们可以从多特征学习到一个更低维和更具分辨性的融合特征,用以提升模型检索准确率和检索速度。以此为目标,本文提出一种基于多特征融合的三维模型检索框架。该框架包含两部分：1)多特征融合算法(Multiple Feature Fusion algorithm, MFF),和2)在线映射学习算法(Online Projection Learning algorithm, OPL)。首先,多特征融合算法使用训练数据从原始特征空间学习得到一个低维并且更具分辨性的融合特征；然后,利用在线映射学习算法学习得到一个从原始特征空间到融合特征空间的映射矩阵,用来解决训练数据外三维模型高效转换到融合特征空间的问题。在所提出的三维模型检索框架中,当计算得到三维模型的融合特征后,现有的特征比较算法均可以被用来模型的匹配和检索。在两个三维模型数据集上的对比实验,充分证明了本文所提算法要优于对比算法。