блендер, там нет ничего особо сложного, более того есть приятный питон (скрипты), а редакторы игр сразу не подойдут, у них своя спецфика.

В будущем (4-5 лет) я хочу стать программистом (C# или Java)
и зачем тебе тогда C++ ???

Вообще как показывает опыт все решает практика и опыт, нет возможности взять вот так и научится прочитав книжку например. Надо писать писать и еще раз писать, и вот в определенный момент ты узришь свет истинны, для тебя станут логичными классы stl, а код вроде int x = flag?10:25; станет для тебя детским лепетом =)

При создании окна вы указываете GLUT_DOUBLE, что означает что будет включен режим двойной буферизации, то есть картинка рисуется в памяти машины а потом выводится на экран с целью избежать мерцания и видимой прорисовки. Для того, чтобы изображение появилось на экране при завершении построения кадра нужно вызывать функцию смены кадра, в случае с глут это вроде была glutSwapBuffers.
В вашем примере это после glFlush();

Схема примерно такая

Часть первая : Определение координат точки.
Raycasting (пересечение луча и модели) - позволяет найти ближайшую (иногда все) точки модели где луч ее пересек. Перебирает грани модели (обычно треугольники) и по сути сводится к задаче по пересечению луча и треугольника ноги которой растут к пересечению с плоскостью.
Математика вопроса описана тут: www.ray-tracing.ru

Обычно луч выпускается по клику мыши координаты которой браузер отдает относительно window (нам кстати надо относительно канвы, хе хе хе). Затем координаты клика переводим из пикселей в относительные (от -1 до 1), получаем 3D вектор добавив 1 по оси z, затем умножаем на инверсию произведения матриц проекции и камеры благодаря чему получаем вектор направления в мировых координатах и уже из него делаем raycating.

Не забываем что координаты зачастую получаем в мировых координатах и их желательно перевести в локальные хотя задачи бывают разные.

Часть вторая : Получение координат точки на канве (экране)
Для модели контрольные точки должны быть заданны в так называемых локальных координатах, то есть относительно модели. Для перевода их в экранные нужно провести следующий порядок вычислений.

матрица проекции * матрица трансформации модели * координаты точки

В некоторых зачах порядок матриц может меняться, например может быть добавлена матрица камеры, анимации и еще какие то преобразования. Кстати в разнообразных движках (например three.js) для подобных вычислений имеются уже готовые средства (но тут документация вам в помощь)

В результате получим координаты от -1 до 1 и все что останется это понять где они на канве
(v * 0.5 + 0.5) * canvaSize

если непонятно то имеется в виду
(v.x * 0.5 + 0.5) * c.width
(v.y * 0.5 + 0.5) * c.height

Теперь когда есть координаты все что осталось это нарисовать там что вам нужно и все =)