非合作航天目标相对位姿估计是失效卫星清理、太空垃圾捕获、航天器在轨维修、空间站交会对接等一系列空间近距离操作任务的关键步骤之一。本论文以与非合作航天器相对深度距离为3 m～30 m的空间近距离操作任务需求为依托,以基于数据驱动的航天器位姿估计技术在航天测控与导航领域的应用潜力为背景,对当前基于数据驱动的非合作航天器单目视觉位姿估计方法中的关键问题开展研究,具体内容如下:首先,本文对非合作航天目标关键部位的轮廓特征提取方法开展研究。针对航天目标样本获取数量有限、像素级标注费时且图像级标注对航天器大角度姿态转动场景鲁棒性差的问题,提出一种强语义图像级弱监督的航天目标轮廓特征提取方法。首先对航天目标关键轮廓进行强语义图像级标注,然后通过语义分割目标函数对弱监督图像级标注的轮廓特征迭代训练,并利用高斯灰度直方图对目标轮廓和内部纹理及背景进行分割并提取目标轮廓特征,最后利用Nakagami模型修正图像中散斑噪声的小波系数以凸显轮廓特征信息。对比实验表明,与弱监督像素级轮廓提取算法相比,本文方法在轮廓检测精度关键指标上提高9%～12%;并提高了在提取航天器关键部位轮廓特征时对光照变化及背景噪声的鲁棒性。其次,开展航天器二维轮廓向三维空间映射及目标位姿训练和解算的相关研究,提出一种基于目标轮廓空间映射约束的高精度单目视觉残差卷积网络位姿估计方法。将轮廓三维体素特征和映射偏移信息形成训练约束以降低位姿偏移误差,在位姿训练过程中采用透视投影学习型损失函数以适应航天目标的几何形态多变场景,根据姿态标签之间的角度差通过贝叶斯滤波最小化加权拟合得到目标相对姿态,利用高斯-牛顿迭代原理逼近位置标签的最佳回归获得目标相对位置。对比实验表明,在相对深度距离为3 m～30 m的观测范围内,采用本文方法的X、Y、Z轴方向的位移估计误差分别小于366.6 mm、371.2 mm、915.7 mm,翻滚角、俯仰角和航偏角的误差分别小于4.64°、4.91°和6.11°。在相对深度距离≤20 m范围内,位置和姿态估计误差分别小于133.6 mm、2.32°,与基于端到端数据驱动的位姿估计方法相比,三维位置估计精度提高20%～38%,三维姿态估计精度提高42%～72%。再次,开展提高航天目标位姿训练与解算效率的研究,提出一种基于概率质量函数的航天目标位姿训练与解算效率的优化算法,以解决基于数据驱动的航天目标高精度位姿估计方法计算量大的问题。在初始训练阶段降低目标位姿标签的离散度分类,基于概率质量函数迭代训练位姿标签以缩短训练周期,在由贝叶斯滤波对姿态解算过程中,通过概率质量后验函数和姿态四元数乘性误差模型降低贝叶斯滤波的非线性维数以减少解算耗时。此外,将位姿估计和网络损失函数之间的关系通过数学推导反映为深度高斯过程中的近似贝叶斯推理,探索了网络关键参数对航天目标位姿估计精度与计算消耗的影响,并对适用于航天目标的位姿估计网络提出了参数设置范围建议。对比实验表明,本文方法的平均单次位姿估计时间相比基于端到端数据驱动的位姿估计对比方法减少37%～51%。最后,在航天某院搭建地面半仿真测试系统,验证本文方法对非合作航天目标位姿估计的合理性和有效性。实验结果表明,在相对深度距离为3 m～20 m观测范围内,采用本文位姿估计方法的非合作航天目标各轴向位移估计误差均小于157.5 mm,各姿态角估计误差均小于2.86°。在相对深度距离为20 m～29m范围内,X、Y、Z轴方向的位移估计误差分别小于359.8 mm、362.8 mm、920.7mm,标准差分别小于15.28 mm、15.67 mm、28.69 mm;翻滚角、俯仰角、航偏角的估计误差分别小于4.45°、4.55°、6.34°,标准差分别小于1.171°、1.236°、1.963°,航天目标位姿各分量的估计精度均满足航天项目指标要求。当对采集图像添加均值为0、方差为0.0001～0.01的高斯噪声,或强度比例为0.001～0.1的椒盐噪声后,位姿估计精度仍然满足航天项目指标要求。