随着航天技术的发展,基于空间机器人的在轨技术服务需求日益迫切。理想的在轨技术服务希望基于空间机器人的自主操作完成任务,自主操作的前提是实现对目标飞行器的相对姿态测量。面向合作目标的相对姿态测量技术仅适用于预定飞行器,不能满足自主操作从任意方向感知非预定目标姿态的需求。因此,面向非合作目标的相对姿态测量逐渐成为各国航天机构重点研究的技术之一。本文针对空间中已知几何外形的飞行器近距离自主操作需求,研究非合作姿态测量中基于双目相机的目标点云获取和点云配准方法,并在此基础上完成非合作目标相对姿态测量的应用研究。首先,研究基于双目相机的三维点云获取,其核心为立体匹配。针对立体匹配的研究挑战并结合飞行器的实际应用需求,本文提出基于窗口的三维匹配代价聚合算法。该算法为每个像素构建自适应窗口,进而使用顺序进行的水平和竖直方向扫描线优化技术聚合窗口内像素的匹配代价。自适应窗口将像素限制在单个物体表面,扫描线优化则允许像素视差连续变化。因此,窗口的视差聚合等价于在视差空间图像中任意形状的三维曲面进行,突破了当前立体匹配的瓶颈,给出了新的研究思路。在Middlebury大学标准数据集的对比实验表明:相比当前主流的立体匹配算法,本文算法在保持计算复杂度相对变化较小的前提下,较大幅度地提高了在倾斜平面的视差精度,并保持了局部算法在视差不连续位置的良好性能,有效提高了三维点云的计算精度。其次,研究基于连续距离场的点云配准。当前点云配准中构建连续距离场的距离标准为欧式距离的一阶近似,隐形假设拟合模型的梯度值在整个路径上恒定,极易导致配准过程陷入局部最优。本文将近似欧式距离微分化,并选择梯度作为路径密度来加权微分化的距离,最后经过积分得出无近似的“等效距离”标准。本文进一步基于“等效距离”构建包含配准参数的能量函数,采用非线性最小二乘优化建立基于等效距离的点云配准算法。在公开数据集上的对比实验表明:在已知目标几何外形时,采用等效距离的点云配准算法相比经典的迭代最近点(ICP)算法在保持配准精度的同时,计算效率和收敛概率大幅提高;相比基于近似欧式距离的点云配准算法,则有效改善了全局收敛性,进而提高了收敛精度。最后,基于上述两种算法完成非合作姿态测量的应用研究,其核心是分析视差对姿态测量误差和不确定度的影响。本文基于点云获取和配准算法完成对1U尺寸的Cubesat卫星模型的非合作姿态测量,根据测量结果分析立体匹配的视差精度对姿态测量结果误差的影响,证明了本文研究对提高测量姿态精度的意义。同时,本文推导由视差波动引起的姿态测量结果的不确定度,在此基础上采用蒙特卡洛随机仿真的方法,分析立体匹配的视差波动对姿态结果不确定度的影响,验证了基于点云的姿态测量方法的鲁棒性。