随着空间技术的发展,人类对航天器进行在轨维护、维修以及轨道垃圾清理等需求越来越迫切。作为服务对象的故障卫星、失效航天器及轨道垃圾等为非合作目标,对其进行三维重建和近距离位姿测量是实现在轨服务的关键。然而,空间非合作目标3D重建及近距离测量存在测量设备有限、目标尺度变化大、空间环境变化剧烈等不利因素,为相关的研究工作带来了极大挑战。本文以国家高技术研究发展计划(863计划)航天领域某重点项目为背景,对在轨服务任务中非合作目标的三维重建和近距离相对位姿测量方法进行了研究。具有重要的理论和现实意义。针对地球静止轨道(Geostationary Orbit,GEO)在轨服务的特点,开展了需求分析并设计了相应的测量系统。从在轨服务的需求出发,以发生故障的通讯卫星为研究对象,对测量目标的特征、测量难点以及已有测量设备的局限进行分析,基于此设计了一种非合作目标近距离测量方案。由于故障卫星没有安装合作标志器,设计了基于To F(Time-of-Flight)相机的测量系统,实现了对非合作目标的三维重建和近距离相对位姿测量。通过与现有空间近距离测量手段进行比较,可知所设计的测量方案和系统具有功耗低、结构紧凑、实时性好且对光照不敏感等优点。针对非合作目标近距离测量中外界环境引起的测量误差问题,提出了一种基于粒子滤波-支持向量机(PF-SVM)的误差建模和校正方法。由于自身成像条件的限制以及外界环境的干扰,To F相机获取的数据存在一定的误差。根据测量目标的特征及所处环境,分析了被测目标的材质、颜色、距离以及光照变换,场景复杂性等典型的测量干扰因素对To F相机深度误差的影响,得出了上述因素与测量误差的关系,并建立了误差模型。所建立的模型反映了To F相机深度误差受背景光照和目标颜色影响较弱,而与所测物体材质反射率和物体距离近似成线性增加的关系。针对To F相机的随机误差,通过粒子滤波选择支持向量机误差模型的参数,实现To F相机深度误差的校正。针对获得的深度图分辨率低及信息细节不丰富的问题,提出了基于彩色图和深度图融合的超分辨率重建方法。受探测器阵列的个数限制,To F相机的分辨率一般较低,深度信息细节不丰富,一定程度上限制了它的应用。本文将高分辨率的彩色图和低分辨率的深度图进行信息融合,实现了深度图的超分辨率重建。首先需要将彩色图和深度图对齐,然后以高分辨率的彩色图像作为输入,应用联合双边滤波获得引导图,最后使用引导滤波获得高分辨率的深度图。该重建方法可以增强深度图的空间分辨率并有效地消除伪影问题。基于获得的非合作目标点云数据,提出了一种基于点云特征的迭代最近点(Interative Closest Points,ICP)算法,用于建立目标航天器的三维模型。通过To F相机直接获得物体表面的三维点云,将不同视角获得的部分点云数据进行整合配准。利用待配准点云的几何特征如曲率、曲面法向和点云密度,搜索两个点云的对应关系,并把几何特征引入到误差函数中,实现了两个点云的精确配准,从而获得目标的三维点云模型。该方法不需要设定良好的初值,可以避免ICP算法陷入局部极值并具有较高的收敛速度。针对非合作目标缺少先验知识、位姿跟踪难度大的问题,提出了一种基于点云几何特征的非合作目标自主识别和位姿跟踪方法。该方法首先利用非合作目标的三维点云数据,计算它的曲率、法向、密度等几何特征来识别目标。然后以粒子滤波算法为框架,通过计算相邻两帧目标的点云特征相似性,从而得到非合作目标的位置、姿态和运动速度(线速度和角速度)。该方法可以有效识别非合作翻滚目标的特征,并实现对其位置和姿态的跟踪,无需测量目标的先验知识。