卫星编队中相对位姿的测量是卫星编队的关键技术之一,通过获取编队中各个卫星的相对姿态和位置,就能够实现对编队队形的感知与控制。使用微小卫星编队形成分布式虚拟空间科学探测仪器是目前和将来的一个重要的应用场景。考虑到空间科学探测装置对各项指标的精度要求高,因此高精度相对位姿测量是科学卫星编队的必然需求。受制于微小卫星体积与功耗限制,测量装置最好结构简单、功耗小,且随着科学探测任务不断向深空探测领域发展,具备测量装置的高自主性也成为不可忽视的需求。在对比了多种星间相对位姿测量方法后,考虑到深空探测的距离远、运行时间长和自主性需求,基于单目视觉的测量方法成为未来微小卫星编队的发展方向之一。相比于其他测量方法,单目视觉具备结构简单、功耗低、高自主性和可长期持续工作的特点,更加适合在此背景下应用。在单图像的算法中,基于靶标的合作形式已具备许多研究,而基于特征的位姿计算方法在此领域研究并不丰富。因此本文围绕基于特征点的实时相对位姿估计算法进行研究,主要研究工作如下:1.在特征点提取与描述中,为了提升图像处理的实时能力,本文使用FAST特征提取方法作为卫星特征的提取方法。同时为了使所提特征具备尺度不变性与方向不变性,在特征提取时加入了高斯金字塔和特征主方向计算。为保证良好实时性同时不损失计算精度,本文引入了BEBLID（Boosted Efficient Binary Local Image Descriptor,增强的高效局部图像特征描述符）作为特征描述方法,实现了实时、高精度的特征提取算法。经实验验证,本文特征提取与描述算法在自制数据集上的内点率达到了89%,相比于目前卫星图片特征提取的常用算法准确度并未降低,且计算速度有所提升,兼顾了计算性能与计算速度。2.针对姿态计算结果上出现瞬时突变的问题导致计算结果出现稳定性差的问题。本文对四叉树筛选算法进行分析,提出了基于稳定策略的特征筛选算法,该算法有效解决了计算结果出现瞬时突变的问题。3.针对特征匹配中存在误匹配影响计算精度这一问题,本文对比了Lowe’s特征匹配筛选算法与GMS（Grid-based Motion Statics,基于网格的运动统计）特征匹配筛选算法,提出在全局位姿计算前使用GMS特征匹配筛选,通过运动一致性原则将不符合运动规律的特征点对进行筛出,可以有效提升位姿计算输入数据的可靠性,提高位姿计算结果。4.在前文提出的特征提取、匹配与筛选算法的基础上,针对自建数据集进行实时位姿估计研究。本文首先通过FAST-BEBLID算法对卫星图片进行特征提取,然后使用改进四叉树算法对特征进行特征均匀化提取与筛选,对筛选的特征与匹配结果使用GMS算法进行筛选,再使用EPn P算法进行位姿解算。针对解算的位姿结果进行BA优化处理得到最终位姿。最终本文算法的计算精度为位置估计精度小于2cm,相比于对比算法ORBSLAM2提升30%,姿态精度优于1.6°,相比于ORB-SLAM2算法提升了0.1°