空间非合作目标指的是运动轨道和状态未知的航天器等空间物体,其研究可应用于对废弃航天器的再利用,对太空垃圾进行清理,对卫星进行抓捕等方面,为了实现空间非合作目标的逼近导航,本文选择在超近距离段,对目标进行绕飞图像三维重构,并根据绕飞拍摄的图片进行相对姿态的解算过程,在后续接近目标的过程中,使用搭载激光扫描仪的追踪航天器对目标进行扫描获取其点云数据,利用与三维重建结果的配准,获得导航数据,进而利用扩展卡尔曼滤波,完成对目标的逼近导航的过程。获取目标的序列图像,本文选择通过对空间非合作目标进行绕飞拍摄,利用三维重建技术,重构出目标的三维点云坐标,使用了RANSAC(Random Sample Consensus)算法和光束法平差对三维重构算法进行优化,通过反演相机位置求取,利用了POSIT(Pose from Orthography and Scaling with Iterations)算法,对目标的实际深度信息以及坐标系转换关系进行求取,确定目标的初始相对位姿信息及其尺寸信息,为后续的抓捕提供可用数据条件。在获取目标点云后,本文从传统的ICP(Iterative Closest Point)算法出发,由曲面部分的法向矢量差异较大的几何原理,根据法向矢量这一特点对点云进行预处理过程,利用各个法向量的夹角关系对点云进行简化处理,除掉冗杂点,进而提高配准计算的速度和准确度。然后对点云进行粗配准即全局配准过程,有效的调节了点云目标的初始位姿,最终的改进过程采用基于k-D tree(k-Dimensional Tree)的最近邻域搜索算法,通过不断迭代优化,使得两点集对应点相对距离最小,进而对ICP算法的准确度进行提升,获得更加准确的点云配准结果,确保逼近导航过程中保持相对姿态一定的逼近导航过程。最终为提高超近段逼近任务的导航精度,针对自旋稳定的空间非合作目标求取了惯性主轴与旋转角速度,利用逼近过程中的激光扫描仪获得信息,采用扩展卡尔曼滤波对超近段逼近导航算法的滤波过程进行仿真验证。