随着空间技术的飞速发展,越来越多的航天器发射升空,空间在轨服务也成为各个国家研究的热点。在轨服务包括航天器的延寿保养、故障卫星的维修回收、空间垃圾的清理离轨,是保证航天任务顺利进行,维护空间环境的关键。目前在轨的航天器大多是非合作目标,针对非合作航天器的自主识别与位姿估计是完成空间在轨服务的前提与基础。本文首先比较视觉测量与激光测量的优缺点,确定使用激光雷达作为传感器来获取非合作航天器点云信息。针对获取的点云信息,对比均匀网格法、曲率采样法、栅格重心法三种点云精简方法,确定使用栅格重心法来压缩点云数据,减轻星载计算机内存压力。对比基于半径的滤波方法与基于统计的滤波方法,确定使用基于统计的滤波方法来滤除点云中的噪声,为后续操作提供高质量数据。针对非合作航天器没有安装合作标识器与抓持机构的特点,研究无需先验信息的非合作航天器自主识别方法。首先介绍点云的法向量并对比主流法向量估计方法,采用基于平面拟合的加权协方差法向量估计方法来构建点云拓扑关系,为后续特征识别、配准定姿做准备。介绍传统RANSAC算法的基本原理,采用结合法向量的RANSAC算法作为识别的基本方案。分析非合作航天器的几何特征,针对太阳帆板、航天器本体、信号发射天线、发动机喷嘴等典型部件分别设计具体的识别方法。实验结果表明本文方法适用于没有任何先验信息的识别场景,且能够满足多种类型的非合作航天器自主识别任务需求,是位姿估计与目标抓捕的关键,具有鲁棒性与普适性。针对非合作航天器运动状态未知、与服务航天器没有信息交流的特点,研究不依靠先验信息的非合作航天器位姿估计方法。首先建立测量坐标系并给出位姿转移矩阵的定义,为后续位置姿态估计做准备。基于航天器自主识别的结果,以识别出的部件作为基准模型,应用ICP算法配准不同时刻的点云。建立位姿矩阵传递模型,通过关联相邻帧的转移参数,完成非合作航天器的连续运动跟踪与位姿估计。实验结果表明本文方法相较于传统整体估计方法,无需知道航天器形状、尺寸,位姿估计更加快速精确,能够满足空间非合作航天器在轨服务操作精确性与实时性的需求。最后,为了验证本文方法的有效性,设计非合作航天器自主识别与位姿估计实验平台。采用Kinect V1传感器来获取航天器点云、通过电动平移台与电动旋转台搭载卫星模型来模拟航天器运动、利用个人PC模拟星载计算机进行后续数据处理。此外,本文还编写非合作航天器自主识别与位姿估计软件,使得用户操作更加方便,为空间在轨服务提供技术支撑。