利用机械臂抓取空间未知运动目标或者对故障航天器进行燃料加注、在轨维修等具有一定的价值,需要对其进行研究。其中,近距离的位姿估计是机械臂执行抓取或者在轨维修等任务的一项关键技术,但是目前的位姿估计存在估计精度低、处理速度慢及对遮挡敏感的问题。本文针对这个问题进行了研究,提出了利用双目视觉并结合迭代最近点(ICP)算法和自适应EKF滤波的方法,实现了对空间未知运动目标的近距离位姿估计。本文利用双目立体视觉系统获取了目标的三维点云数据。对相机的成像模型进行了描述。研究了图像的立体匹配算法,通过自适应的支撑点选取改进了ELAS匹配算法,提高了算法的精度和速度。研究了基于Euclidean聚类和基于颜色及深度的目标提取方法,将目标从背景点云中提取出来,并对点云进行了降噪、降采样等处理。本文提出了基于改进ICP算法的点云配准。针对传统ICP算法易陷入局部最优的问题,本文提出了基于全局配准的ICP算法初始化,得到了较好的初始值。针对传统ICP算法配准速度慢的问题,本文提出了基于K-D树搜索的ICP算法加速,提高了配准的速度。本文提出了基于改进ICP算法和自适应EKF结合的位姿估计算法。利用基于特征点配准的初始位姿估计得到了相机与目标坐标系初始的位姿,利用基于改进的ICP算法得到了相邻关键帧的位姿。最后,利用ICP-AEKF算法得到了相机与目标的相对位姿。通过将改进的ICP算法和自适应EKF进行闭环配置,既解决了ICP算法的初始值问题,又能滤除噪声,同时在目标暂时不在视野中时可以继续估计出连续的位姿参数,从而提高了系统的鲁棒性。本文对提出的位姿估计方法进行仿真,并搭建物理实验平台进行实验验证。将目标固定在机械臂的末端,将双目相机固定在机械臂外的某一位置,且保证目标的运动范围在双目相机的视场中。通过对相机的标定得到了它的模型参数,通过手眼标定得到了相机坐标系与机器人坐标系的关系,并研究了机械臂的轨迹规划。通过对比实验验证了提出的方法在精度、速度及对遮挡的鲁棒性方面有较好的效果。