顺序，对所述三维模型数据库中的各三维 模型进行排序，并将排序后处于前X位的三维模型推荐给用户，X为正整数； 将所推荐的各三维模型中的一个加载到三维场景中。
2. 根据权利要求1所述的方法，其特征在于， 所述生成所述二维草图的特征向量包括： 确定出所述二维草图中的采样点；根据所述采样点确定出所述二维草图中的各图像局 部区域，并分别计算各图像局部区域的局部区域特征值；根据各局部区域特征值生成所述 二维草图的特征向量。
3. 根据权利要求2所述的方法，其特征在于， 所述生成该三维模型的各二维正交投影轮廓线图的特征向量包括： 分别确定出该三维模型在各不同视角方向上的三维轮廓线图，并将该三维模型中的Y 个预定位置作为摄像机位置，确定出该Y个预定位置上的二维正交投影轮廓线图，Y为正整 数； 针对每个二维正交投影轮廓线图，分别确定出该二维正交投影轮廓线图中的采样点； 根据所述采样点确定出该二维正交投影轮廓线图中的各图像局部区域，并分别计算各图像 局部区域的局部区域特征值；根据各局部区域特征值生成该二维正交投影轮廓线图的特征 向量。
4. 根据权利要求3所述的方法，其特征在于， 在进行三维场景构建之前，进一步包括： 确定P个作为样本的三维模型，P为正整数； 针对每个作为样本的三维模型，分别确定出该三维模型在各不同视角方向上的三维轮 廓线图，并将该三维模型中的Y个预定位置作为摄像机位置，确定出该Y个预定位置上的二 维正交投影轮廓线图； 针对每个二维正交投影轮廓线图，分别确定出该二维正交投影轮廓线图中的采样点； 根据所述采样点确定出该二维正交投影轮廓线图中的各图像局部区域，并分别计算各图像 局部区域的局部区域特征值； 对计算出的各局部区域特征值进行聚类，得到K个聚类结果，K为正整数； 分别将每个聚类结果中的各局部区域特征值的平均值作为一个可视词汇值； 针对所述二维草图以及所述二维正交投影轮廓线图中的每幅二维图像，生成其特征向 量包括： 根据各可视词汇值以及该二维图像的各局部区域特征值，生成该二维图像的特征向 量。
5. 根据权利要求4所述的方法，其特征在于， 所述Y的取值为二十六，所述Y个预定位置包括： 以三维模型的质心点为中心的十二面体的二十个顶点位置以及以所述质心点为中心 的正八面体的六个顶点位置。
6. 根据权利要求4所述的方法，其特征在于， 所述分别确定出该三维模型在各不同视角方向上的三维轮廓线图包括： 针对每个视角方向，分别进行如下处理： 从该三维模型的各点中选出法线方向与该视角方向相垂直的点，利用选出的点生成第 一中间轮廓线图； 分别计算该三维模型的各点的曲率微分值，并针对每个点P1，分别确定其与该视角方 向上的相邻点p22间是否满足以下条件：(VAV)(V々:〇<〇，且，最大曲率微分值大于 P1的最小曲率微分值的绝对值，且，P2的最大曲率微分值大于P2的最小曲率微分值的绝对 值；其中，Vf 1表示P1的平均曲率微分值倒数，Vt2表示P2的平均曲率微分值倒数，t表示曲 率方向向量；利用满足条件的各点生成第二中间轮廓线图； 利用所述第一中间轮廓线图和所述第二中间轮廓线图合成该三维模型在该视角方向 上的三维轮廓线图。
7. 根据权利要求4所述的方法，其特征在于， 针对所述二维草图以及所述二维正交投影轮廓线图中的每幅二维图像，确定出其中的 采样点包括： 利用高斯函数对该二维图像进行分层，得到该二维图像对应的不同缩放比例的图像； 针对每个既存在上层图像又存在下层图像的图像，针对其中的每个像素点，分别将该 像素点与其它二十六个预定像素点进行比较，如果该像素点为极值点，则确定出该像素点 映射到该二维图像上的位置，并将该位置上的像素点确定为采样点； 其中，该像素点为极值点包括：该像素点的取值大于其它全部二十六个预定像素点的 取值，或者，该像素点的取值小于其它全部二十六个预定像素点的取值； 所述其它二十六个预定像素点包括：该像素点所在的图像中与该像素点相邻的八个像 素点、该像素点所在的图像的上层图像中与该像素点相对应的像素点及与其相邻的八个像 素点，以及，该像素点所在的图像的下层图像中与该像素点相对应的像素点及与其相邻的 八个像素点。
8. 根据权利要求4所述的方法，其特征在于， 针对所述二维草图以及所述二维正交投影轮廓线图中的每幅二维图像，根据所述采样 点确定出其中的各图像局部区域，并分别计算各图像局部区域的局部区域特征值包括： 分别将以各采样点为中心、大小大于或等于该二维图像大小的1/4的区域作为图像局 部区域，每个图像局部区域的长和宽均为2的指数级； 针对每个图像局部区域，分别将其视作一个实矩阵{fx,y}，其中，X = I. . . N，y = I. . . M， (x，y)表示图像局部区域中的每个像素点的坐标，N表示图像局部区域的宽度，M表示图像 局部区域的高度； 对所述实矩阵进行二维离散傅立叶变换，得到频率空间的傅立叶系数{Fu，v}，
选择前Z个系数作为作为局部区域特征值，Z为正整数。
9. 根据权利要求8所述的方法，其特征在于， 所述M和N的取值均为128 ;所述Z的取值为384 ;所述K的取值为1024。
10. 根据权利要求4所述的方法，其特征在于， 所述根据各可视词汇值以及该二维图像的各局部区域特征值，生成该二维图像的特征 向量包括： 针对该二维图像的每个局部区域特征值，分别计算其与各可视词汇值之间的距离，并 用距离最小的可视词汇值代替该局部区域特征值； 分别统计各可视词汇值在该二维图像中的累计出现次数； 利用统计结果生成该二维图像的可视词汇值统计直方图； 对所述可视词汇值统计直方图进行归一化，根据归一化后的结果生成该二维图像的特 征向量。
11. 根据权利要求10所述的方法，其特征在于， 所述对所述可视词汇值统计直方图进行归一化包括： 对于每个可视词汇值i，分别按照以下方式计算其归一化后的累计出现次数ti :
%表示归一化之前可视词汇值i在该二维图像中的累计出现次数； nd表示该二维图像中的采样点的总个数，Ν'表示针对所述三维模型数据库中的各三维 模型所生成的二维正交投影轮廓线图的总个数，Hi表示所述Ν'个二维正交投影轮廓线图中 可视词汇值i的累计出现次数不为〇的二维正交投影轮廓线图的总个数。
12. 根据权利要求11所述的方法，其特征在于， 所述特征向量中的每个分量分别对应一个可视词汇值，每个分量的取值等于对应的可 视词汇值的归一化后的累计出现次数； 该方法进一步包括：针对每个可视词汇值，分别确定出与该可视词汇值距离最近的可 视词汇值，并将其作为该可视词汇值的最近邻词汇值； 每个二维正交投影轮廓线图的特征向量与所述二维草图的特征向量之间的距离
K表示所述二维草图的特征向量中与可视词汇值w对应的分量，所述<表示二维正交 投影轮廓线图的特征向量中与可视词汇值w对应的分量； 心表示所述二维草图的特征向量中与可视词汇值w的最近邻词汇值对应的分量，/C 表示二维正交投影轮廓线图的特征向量中与可视词汇值W的最近邻词汇值对应的分量；W 表示任一可视词汇值。
13. 根据权利要求1~12中任一项所述的方法，其特征在于， 所述将所推荐的各三维模型中的一个加载到三维场景中包括以下之一： 自动将排在第一位的三维模型加载到三维场景中； 将用户所选择的三维模型加载到三维场景中。
14. 一种三维场景构建装置，其特征在于，包括： 第一处理模块，用于在三维场景构建过程中，当每次接收到用户所绘制的、用于进行三 维模型检索的二维草图时，将所述二维草图发送给第二处理模块； 所述第二处理模块，用于生成所述二维草图的特征向量；针对三维模型数据库中的每 个三维模型，分别计算预先生成的该三维模型的各二维正交投影轮廓线图的特征向量与所 述二维草图的特征向量之间的距离，并将计算出的最小距离作为该三维模型与所述