通过序列图像恢复三维空间中的目标表面是计算机视觉领域中一个十分重要的研究方向，在AR，VR，医疗，人工智能和工业领域具有广泛的应用。针对卫星回收、航天器对接、抓捕敌方空天目标等方面的工程应用需求，论文主要研究空间非合作慢旋目标的三维重建问题。由于没有空间非合作慢旋目标三维重建方面的文献可借鉴，论文尝试将传统的SFM方法进行改进和优化，利用单相机拍摄的序列图像构建了目标三维表面重建的数学模型，并对其关键技术进行了深入研究。论文主要研究内容如下：　　针对序列图象同名点快速高效匹配问题，论文提出了一种基于归一化描述子的SIFT特征点提取算法和考虑空间位置约束的多重散列匹配算法。实验结果表明，算法速度快、精度高。　　针对相机位姿参数估计和非合作慢旋目标三维表面的应用需求，提出了一种基于相对位姿估计的自旋目标三维深度解算及表面重建方法，实验数据表明，相机旋转角解算误差均值为0.236度，三维表面重建完整度达到了82.58%，可满足工程应用需求。　　为了进一步提高相机位姿解算精度和三维表面重建精度，提出了一种基于分步机制的相机位姿与三维点云优化算法。该方法首先采用基于黎曼几何技术的拉格朗日对偶松弛算法得到具有理论保障的相机位姿全局最优结果，然后采用物方距离最小化算法最优化三维点云数据，实验表明这一算法可以达到全局最优的效果。