手绘草图是表达和交流思想的重要媒介。然而,创建一个有意义且易于理解的草图并不是一件容易的事,特别地,对于未经过绘画训练的用户来说,这是一件更加困难的事。为了帮助没有专业绘画技能的用户能够创造出正确的草图,越来越多的研究开始关注于草图生成的工作,但这些工作大多只局限于二维图像的转换,并没有有效的方法用于生成三维对象的草图。现有的将三维形状渲染成线条图的方法,例如Suggestive Contours,仅仅考虑了依赖于几何和视图的信息,因此会导致过度规则或过于完美的草图结果,使其看起来不像人类徒手绘画而成的。因此,本文基于上述问题,提出了一个可以在给定视点下自动从三维对象生成手绘线条草图的方法:DeepShapeSketch。该方法的核心解决方案是使用深度递归神经网络,该网络学习从三维形状的轮廓线到更抽象的草图表示的功能映射。该方法丢弃了生成器的编码器,即仅使用解码器来增强草图结构的稳定性;并添加判别器用于在生成样本和真实样本之间进行区分,以促进生成器所生成草图结果的正确性。除此之外,本文框架提供一个参数τ来供用户调整所生成草图的徒手绘画风格的级别。本文使用DeepShapeSketch方法做了一系列的生成手绘草图实验,结果表明该方法所生成的草图能正确表述输入形状,同时具有真实人类创造的徒手画风格。为了测试DeepShapeSketch方法对于这个特定应用的可扩展性,本文使用了几个不同的混合数据集来重新训练神经网络,结果表明这几个混合数据集都不能生成预期的结果。最后,本文将DeepShapeSketch与现有生成草图的方法Sketch-RNN进行比较,结果证明,DeepShapeSketch能生成更符合人类绘画风格的草图且能保证所生成的草图具有同输入类似的视点方向。此外,为了验证现有方法所生成草图的质量和风格,本文进行了用户调查,用户调查结果同样证明了本文方法能产生更优质量的草图结果。