近年来,随着航天事业的蓬勃发展,越来越多的不可控太空碎片以及失效航天器占据了地球轨道,严重影响了航天任务的正常进行。以清洁太空为目的的在轨服务日益受到了航天人的关注,非合作目标视觉相对位姿测量作为服务中的关键环节,自然成为了目前研究的热点问题。对于非合作目标,可能存在目标运动不受控、先验信息较少或完全未知、目标姿态及尺度变化大、易受空间光照环境干扰等问题,这些问题无疑给非合作目标视觉相对位姿测量带来了巨大挑战。本文针对上述关键问题做了如下工作:(1)基于目标模型的序列位姿测量算法,在ICP算法的基础上,结合序列帧数据量增多的情况,设计了一种自适应的均匀网格降采样方法,有效地抑制了密集点云的点数,保证了ICP算法运行的时间稳定性;同时,针对序列帧变化速度较快,目标姿态及尺度变化大,目标模型具有轴对称的几何特征等情况,提出了一种融合二维深度图和三维点云的序列位姿测量算法,利用二维深度图计算出的相邻帧间滚转角偏差辅助三维点云的配准,提高了序列位姿测量算法的精度。(2)针对目标信息完全未知的情况,提出了使用原始采集数据构建目标坐标系的完全非合作目标位姿测量算法。通过寻找目标的共同典型特征部件,在二维深度图上检测出来,并映射到三维空间中,选取圆弧的中心以及直线的边框构建目标坐标系,解算出与固定相机坐标系的位姿关系,从而实现完全非合作目标的位姿测量。(3)为了进行数字仿真试验,设计了基于激光成像雷达的点云数据仿真算法。在NASA官方网站上下载航天器的3D CAD模型,使用UG软件进行有限元划分成固定网格大小的模型点云,根据激光成像雷达的工作原理,模拟出具有给定位姿信息的量测点云数据,为数字仿真实验的多样化提供了便利的条件。(4)为了对本文所提算法进行验证,在机械臂平台下,设计了目标在太空中进行自由翻滚的地面试验。试验结果表明,本文所提算法能够对翻滚状态下的非合作目标进行实时可靠地位姿估计。