随着近年来人类对于空间的不断探索,空间中的失效航天器与空间碎片数量也不断增加,它们不但浪费了太空中的重要轨道资源,同时还为其他航天器的在轨运营增加了巨大的风险;所以,在轨服务的需求也越来越大。由于失效航天器与空间碎片大多不具备先验信息,均属于非合作目标;为了进行在轨服务,需要得到目标的位姿信息与三维结构信息。因此对空间中的非合作目标进行位姿测量与稠密三维重建成为了首要任务。综上,本论文采用深度相机为星上测量载荷,以同时定位与建图算法（SLAM）算法为基本算法,研究一种可靠性高、实时性较强的对非合作目标的位姿测量与稠密三维重建算法。针对以视觉为基础的在轨服务任务特点,首先构建了测量坐标系体系与相机模型坐标系体系,并推导出了坐标系之间的转换矩阵;然后分析了相机与激光雷达模型,并推导出了相机的畸变模型;最后为了解决传统的旋转矩阵、四元数等方法对姿态描述的局限性,并增加平移向量的影响,采用了李群李代数的表示与计算形式。针对图像处理问题,首先对相机进行了标定实验,获得了相机的准确内参数矩阵与畸变参数;接着又对图像进行了图像分割和图像去噪的预处理方法。其中,图像分割部分依据不同的工况采取了不同的分割方法:当图像的背景干扰相对简单的情况下,选择迭代阈值法进行分割;在图像背景中存在较大的彩色图像干扰时,采用了深度值分割法,通过实验验证,两种方法在对应工况下均具有良好的表现。为保留图像的边缘信息,图像去噪则采用了双边滤波方法。最后采用了ORB算子的特征匹配算法,通过不同工况的实验验证,证明在本文中的工况环境下具有良好的表现。针对非合作目标的位姿测量问题,首先确立并推导了奇异值分解的迭代最近点法（ICP）法,解决了如何获得帧与帧之间的位姿变换关系的问题;其次利用图优化为主要优化方法,对ICP算法获得的位姿测量值进行了后端优化,得到了更加精确的位姿测量值;然后引入了利用词袋法进行特征提取的回环检测方法,解决了服务航天器对非合作目标长时间观测产生累计误差的问题,并进行了全局优化处理;最后对数据集进行了仿真分析,在平均角速度分别为27.891°/s的大角度机动情况下,绝对位置误差平均为0.012441m,均方根误差为0.014267m,里程计平均误差为0.005417m,均方根误差为0.006592,绝对姿态欧拉轴角误差平均为1.286589°,均方根误差为1.351952°,里程计欧拉轴角平均误差为0.312825°,均方根误差为0.363415°。针对三维重建问题,首先结合特征点提取与匹配和位姿测量步骤,即可得到目标关于特征点的稀疏三维模型,但是难以分辨目标的结构信息。本文为解决该问题,通过增加稠密建图线程,在跟踪线程中进行二次采样,并依次利用局部建图线程和回环线程进行位姿更新,最终进行全局位姿优化,得到较为精确的三维重建模型;最后,实现了点云优化处理,完成了非合作目标的精确的稠密三维重建模型构建。