（1）形状直方图

形状直方图直接对3D模型进行某种切分，然后统计每个切分单元中点的个数占模型所有点个数的比例，构成形状直方图。 Ankerst等将三维模型采样称为点云，构造点云分布的统计直方图（Shape Histograms）来研究相似度检索。首先统计三维模型点分布的直方图，将包围三维模型的空间分割成不同的区域，统计落在区域中的三维模型点的数量，形成统计直方图，然后进行三维模型检索。

（2）旋转不变的点云特征

基本思想是将外包三维模型的立方体切分成N×N×N个单元格，并将所有单元格分类，分类的方法是围绕X、Y、Z轴旋转90°后，彼此重叠在一起的单元分为一类，N不同则类的个数也不一样。计算每类单元中三维模型的顶点数，然后除以三维模型总的顶点数，构成三维模型的特征向量。这种方法同形状直方图方法的基本思想是一样的，都是求点的分布情况，但是实现方法不同。 Suzuki等构造了一种旋转不变的点云特征（Rota-tion Invariant Point Cloud Descriptor）。他们使用PCA将三维模型变换到规范坐标系，再将它进行缩放变换，使得三维模型落在一个单位立方体内。然后将单位立方体分割成7×7×7的等尺度的体素单元，确定三维模型在对应的体素单元的值。这343个体素单元按所在的位置分成等价类。

内容来源：黄海 《虚拟现实技术》