Los modelos tridimensionales son útiles para representar objetos reales en el mundo digital. Su uso se encuentra en muchas aplicaciones tales como medicina, ingeniería, seguridad y otros. Recientemente, la introducción de dispositivos de captura baratos ha incrementado el interés por este tipo de información, generando una gran cantidad de modelos disponibles en diferentes lugares. Por lo tanto, es imperativo proveer algorithmos efectivos y eficientes para procesar y analizar datos 3D. La evaluación de similitud de modelos 3D es una tarea importante que puede ser útil para procesos de alto nivel tales como recuperación por contenido y reconocimiento. Estos procesos requieren atención ya que los repositorios 3D están en constante crecimiento y es cada vez más necesario realizar búsquedas basadas en contenido. Más aún, la comparación de modelos 3D es una tarea desafiante debido a la dificultad de representar adecuadamente un modelo 3D para una subsecuente comparación. En esta tesis, abordamos el problema de matching y recuperación por contenido en modelos 3D. Nosotros proponemos nuevas representaciones para modelos 3D basándonos en la habilidad de detectar características locales robustas sobre mallas. De esta forma, este trabajo se enfoca primero en la detección efectiva y eficiente de puntos de interés en mallas 3D. Luego, nosotros proveemos representaciones efectivas para lidiar con problemas como recuperación genérica, recuperación de formas no rígidas y correspondencias entre mallas. Para la recuperación basada en contenido, nosotros desarrollamos representaciones basadas en grupos de puntos de interés. Estas representaciones permiten aprovechar el poder de representación de las características locales mientras reducimos la cantidad de información necesaria. Para computar correspondencias, desarrollamos una representación jerárquica la cual conlleva una descomposición recursiva de un modelo 3D en regiones y puntos de interés. Esta representación es útil para decrementar el error de localización de las correspondencias en formas no rígidas mientras se reduce considerablemente el tiempo de procesamiento. Nuestros experimentos muestran que nuestros métodos para detectar estructuras locales en mallas son robustos a diferentes transformaciones. Además, nosotros presentamos una detallada evaluación de nuestras representaciones para recuperación genérica por contenido, recuperación de formas no rígidas y correspondencias en mallas. Desde nuestros resultados, es posible concluir que el uso de características locales puede mejorar el proceso de evaluar la similitud entre modelos 3D. Y más aún, nuestras representaciones pueden ayudar a mejorar simultáneamente la efectividad y la eficiencia de la recuperación de modelos 3D basada en contenido y de la búsqueda de correspondencias.