人类在探索太空的过程中取得了出色的研究成果,但也留下许多太空垃圾。太空垃圾会与国际空间站,宇宙飞船和人造卫星等发生碰撞,存在极大的安全隐患。如何清理太空垃圾已经成为当今世界最重要,最广泛讨论的话题之一。可是,太空垃圾的运动状态与三维结构的未知性给空间机器人的清理工作带来了困难。因此,需要一定的方法获取它们的运动信息与结构信息。广大学者研究发现,基于视觉的位姿估计与三维重构技术是一种有效的解决方案。本课题采用结构光三维视觉系统对目标进行跟踪。首先介绍了普通的针孔成像模型,接着介绍了结构光深度相机的原理,建立了结构光三维视觉系统模型,推导了结构光三维视觉系统获取空间点三维坐标的方法。通过相机获得目标图像后,对图像进行预处理,包括图像二值化分割和形态学处理两个步骤。图像预处理完成后,需要获取目标表面的特征点。通过分析比较几种常用的特征提取算法的提取效果,最终选择了特征点分布最为均匀的SIFT算法。对于目标的跟踪问题,采用的是基于SIFT特征的金字塔LK光流跟踪法,实现前后帧目标特征点的匹配。为了实现跟踪的实时性,本课题使用处于运动状态的相机对目标进行跟踪。在分析比较多种基于视觉的测量方法后,决定采用基于EKF的位姿估计与三维重构算法。首先分析了扩展卡尔曼滤波算法的原理,推导了迭代估计公式。接着,提出基于EKF-IMU的估计算法。利用EKF算法融合IMU获取的相机运动参数,实现对于相机运动状态的准确估计。然后,基于EKF算法原理,建立了目标和相机的状态模型和观测模型。为了降低状态向量维数,避免传统的Joint EKF算法的耦合估计问题,提出顺序估计的Tri-EKF算法。利用旋转运动滤波器,平移运动滤波器和结构参数滤波器依次完成估计过程。最后,通过仿真实验,比较两种算法对于非合作目标位姿估计与三维重构的效果。实验结果表明,在平移运动估计方面,Tri-EKF算法的收敛速度更快,估计误差更小。最后,设计了实验方案进行算法的实验验证。总结了算法的整体框架,搭建了包括相机运动平台,非合作目标运动平台和结构光三维视觉系统的实验平台。针对非合作目标的多种不同的运动形式,实现目标的位姿估计与三维重构。分析实验结果,对所提出的算法进行评价。