随着科学技术的不断发展，空间物体的姿态测量在航空、航天、航海、军事等不同领域的应用越来越广泛，随之在不同的应用领域也出现了不同的测量方法。在测量处于悬浮状态下的空间运动物体的姿态时，目前现有的通用姿态测量方法由于系统复杂，成本高，图像传感器分辨力低、速度慢等缺点不适合对这种悬浮状态下姿态快速变换的空间物体的姿态参数进行精确测量。因此，研究一种更加适合悬浮状态下空间物体的姿态测量方法势在必行。课题“基于多点合作目标的多线阵CCD空间物体姿态测量的研究”的目的是对处于悬浮状态下姿态快速变换的空间运动物体的姿态测量进行深入的研究，探讨研究一种结构更加简单同时测量性能更高的外姿态测量系统，建立有效的姿态解算模型，以及探讨提高线阵CCD相机校准精度的方法，为高精度的姿态测量提供理论依据。本课题的研究应用于对空间物体姿态测量的悬浮试验，并可对空间物体内部装有惯导设备的内姿态测量方法进行校验，在国内的三维运动测量中也有广泛的应用前景。本文首先给出了基于线阵CCD的外姿态测量系统的基本工作原理，并简单地介绍了传统的线阵CCD外姿态测量系统，分析了传统的测量系统由于采用六个相机九个线阵CCD使得系统过于复杂，且这些相机位置间的关系约束条件太多造成非线性等系统误差，测量的均匀性差，校准参数个数相应增加等问题。从这些问题入手，研究了一种采用三个线阵CCD相机同时测多个点合作目标的外姿态测量系统，将被测物体的点合作目标同时点亮，由柱面透镜和线阵CCD组成的三个一维相机对其同时进行测量，并分析了三个线阵CCD相机的布局对测量空间的影响，同时提出了一种通过模拟计算的方法对姿态角范围限制进行计算，为进行姿态测量提供了理论指导。为了提高姿态参数的解算速度和精度，进一步可以提高系统的实时性，对各种姿态描述方法进行了分析，并合理地选择了Rodrigues参数姿态描述方法，结合本系统的结构特点，提出了基于Rodrigues参数和多点合作目标构成的线段间的相交矢量相结合的姿态解算模型，并根据四组Rodrigues参数的模不同时为无穷大的原理对其进行切换，解决了方法奇异性的问题，建立基于Rodrigues参数的姿态解算模型对空间目标进行姿态解算。同时分析了空间点的测量位置误差对姿态解算结果的影响，研究了不同的姿态解算方法对空间点位置误差的敏感程度。为了提高线阵CCD相机姿态测量系统校准的精度，提出了基于BP(BackPropagation)神经网络校准线阵CCD相机的方法。解决了采用直接线性变换法校准相机时忽略的镜头畸变和系统误差等非线性误差的问题，不需要建立复杂的非线性补偿模型，简化了计算。充分利用了BP神经网络能够实现从输入到输出的任意非线性映射的特点，通过训练学习三维空间物体标识点与其在线阵CCD像点之间的非线性映射关系，实现外姿态测量系统线阵CCD相机的校准，直接恢复空间点合作目标的三维信息。最后对课题所提出的方法和模型进行了实验验证。首先，对所提出的基于BP神经网络校准线阵CCD相机的方法进行了实验验证。实验表明：使用全站仪测量点合作目标的三维坐标时，采用BP神经网络对线阵CCD相机校准，误差波动性比DLT方法减小了93%。其次，对所建立的姿态解算模型进行了实验验证。实验表明：在未损失计算精度的前提下，采用Rodrigues参数法解算姿态的速度比四元数法提高了37.6%。在实际测量时，本系统姿态测量结果优于传统系统。