随着人类对宇宙探索活动的日益增加,对空间在轨服务的技术要求也日益提高。由于过去人类对太空探索的活动未能充分考虑对太空环境的影响,现如今近地球轨道附近存在着大量的太空垃圾,严重影响着太空探索进程的推进。因此,对太空环境的管理以及清理太空垃圾已经刻不容缓。大多数太空垃圾都是未知运动目标,其未知性和不确定性给太空环境的管理带来了极大的挑战。对太空垃圾进行清除,需要提前准确地识别目标运动状态及三维几何信息。现有文献中,基于视觉的测量方法能有效地解决该问题,是当前研究的热点。本文采用ToF相机Kinect V2作为数据采集传感器,介绍Kinect V2相机的深度成像原理,对Kinect V2相机进行标定以校正畸变带来的误差。进而在此基础上,对Kinect V2相机进行深度测量误差分析及校正,以避免给后续未知运动目标的测量估计带来过大的系统误差。针对采集数据中存在过多噪声的问题,进行测量数据的预处理,将目标从采集数据中分割出来,实现对目标的框选跟踪。通过实验比较现有特征提取算法,分析各算法的特性并确定合适的特征提取算法用于数据关联。同时,针对两两帧间数据关联存在测量估计易中断的问题,提出一种包含双描述子的地图点结构方式用于数据关联,为未知运动目标的三维几何与运动参数测量与估计打下基础。通过对传统SLAM问题和未知运动目标状态估计问题的差异性分析以及比较现有滤波器方法与图优化方法的优缺点后,提出一种结合前端跟踪算法和后端优化算法的两线程算法框架,对目标运动状态及三维几何进行测量与估计。其中前端跟踪算法对目标旋转信息及平动信息进行解耦估计,并联合光束法平差(BA)和自适应卡尔曼滤波(AKF)方法进行局部优化。而后端优化算法则基于位姿图进行全局优化,消除目标运动的累积误差。其中基于目标采集数据创建词袋模型,进而进行回环检测完善位姿图。搭建物理实验平台以及软件平台对提出的算法进行实验验证。采用目标固定在UR臂末端、Kinect V2相机固定在机械臂外位置的方式。通过手眼标定确定目标与相机之间的位姿变换关系,为实验结果分析提供实况信息。通过设置目标以三种不同的形式进行运动实验,验证了本文提出的测量与估计算法的有效性及准确性,实现了对未知运动目标的三维几何与运动参数的实时测量与估计。