近年来,航天领域高速发展,航天器也成为了一个重点发展点。航天器在进行多种任务的过程中,都需要实时掌握空间目标的位姿情况并以此来进行相关操作,比如编队飞行、在轨服务、主动碎片清除、彗星和小行星探测等。本文以对图像整体以及其中特征点和关键点的信息匹配为主要研究内容,并在此基础上解算图像中目标的位姿。相对于日常图像数据集,空间目标数据集的距离尺度更大,光照条件更加复杂,增加了对图像处理的难度。本文首先尝试先使用图像检索查找出相似图像,然后利用特征点匹配求得具体位姿。在图像检索方面,设计了一种基于Net VLAD的图像检索模型,将主干网络提取出的特征编码为VLAD描述算子。为了强调图像中具有特异性的特征,本文提出了一种通道与空间分离的注意力模块ICSA,ICSA权重不随输入特征的变化而改变,这使得该模块不仅模型更加精简,运行速度也较快。并且显著提高了网络检索的性能。然后将检索出的图像与输入图像进行特征匹配,计算出量图像中物体之间的相对位姿,并结合几何约束求解出位姿。另外,本文也采用了建立二维关键点与三维关键点匹配关系,然后解算位姿的方法。本文在少数图像中物体上选取了的二维关键点,使用三角测量算法计算出对应的三维关键点坐标,并依据三维关键点的坐标对图像中二维关键点进行标注,用来监督训练。本文采用了基于FPN架构的编码器-解码器网络对图像中的二维关键点预测,以建立二维关键点与三维关键点匹配关系。该网络的解码器部分每一层都输出二维关键点位置的估计,并通过RANSAC和EPn P算法进行融合并求解出最后的位姿。最后本文也通过实验证明了在该网络中添加了注意力模块可以提升网络性能。