为清除空间垃圾,延长卫星寿命,实现废弃卫星在轨零部件回收,面向非合作目标的在轨服务任务成为各国研究重点。针对非合作目标的接近、捕获等操作是在轨服务的基础,目标运动参数获取是实现上述操作的前提条件。由于目标表面结构与运动状态未知,为实现目标运动参数估计,考虑到敏感器体积,精度,采样频率等因素,采用多视觉敏感器融合测量方法。因此本文以非合作目标在轨服务为背景,研究基于2D/3D视觉相机数据融合的空间目标运动估计方法。首先,针对目标表面三维重建过程中3D相机外参数校正问题,充分利用深度测量数据,在正交投影模型基础上,建立关于外参数姿态矩阵的优化目标函数。考虑到3D相机测量误差较大,为提高算法鲁棒性,确保取得全局最优解,采用凸优化方法将优化函数转化为线性不等式约束下的线性凸优化问题,采用内点法求解,得到3D相机参数,并给出全局收敛性证明。仿真表明该方法能较快收敛且具有较高的鲁棒性。其次,针对目标表面三维重建过程中2D/3D数据融合问题,为提升3D图像分辨率,结合同场景高分辨率2D灰度图像,推导基于置信度的联合双边滤波方法。为保持原深度图像中边缘信息,考虑到同场景灰度图像与深度图像常具有相似的不连续性,可将灰度图像像元灰度加入滤波函数中,建立联合双边滤波函数。同时为保证分辨率提高后深度图像精度,考虑到深度图像中深度突变即边缘区域测量误差较大,基于深度图像梯度,建立置信图,推导建立基于置信度的联合双边滤波函数。仿真验证该方法具有优秀的边缘保持能力和较高的精度。利用Kinect随机拍摄室内场景,本方法能有效实现深度图像分辨率提升,完成场景三维重建。最后,针对空间非合作目标运动参数估计问题,建立三维场景流计算方法。利用某两帧三维场景重建信息,考虑不同应用场景,在平面光流算法推导的基础上,在满足光照条件不变,目标刚体和小运动假设下,加入深度方向运动方程,推导全局场景流算法和局部场景流算法。建立场景流优化函数,利用Jacobi迭代方法求解,实现从帧间三维场景变化恢复目标运动状态。仿真表明该方法能有效恢复场景或场景内目标特征点运动,实现对非合作目标运动信息的快速测量。