随着近些年对太空探索的加速,愈来愈多的故障航天器被遗留在地球轨道周围,造成资源的浪费,影响后续的探索开发任务。受限于进行捕获任务的航天器容积,只需依靠小体积相机获取信息的视觉技术便成为捕获过程中的研究重点。在捕获过程中,按照相对距离由远及近的变化,依次需要通过视觉技术完成对于捕获目标的精确检测、目标跟踪、近距定位等任务,利用这些视觉信息控制伺服机械装置,从而完成捕获任务。本文依据基于深度学习的目标检测、单目相机姿态估计、立体视觉三维重建等相关手段,对捕获过程中各阶段进行研究,并通过搭建真实的物理航天器模型与运动模拟机构,在实验室环境下完成了对于航天器捕获过程的物理仿真,具体包括以下几个方面的设计。首先,在距离目标航天器距离较远时,需要对目标航天器进行目标检测,推断捕获可能性与拟定后续捕获方案。本次课题利用基于深度学习的目标检测技术完成该任务需求。预先采集航天器图像通过迁移学习的方式完成模型训练。精确检测航天器本体与太阳能帆板的来确定需捕获航天器的具体位置。其次,在中距离的接近跟踪过程中,利用单目相机进行图像的连续采集,通过对航天器上特定的天线、喷嘴等圆形特征进行圆心粗提取与拟合精确优化,可以获得平面坐标。结合星面几何关系已知,将问题转化为N点透视问题。利用非线性优化EPn P算法进行位姿求解,实现中距跟踪效果。再次,在近距离的抓捕定位阶段,通过特征提取加双目相机三维重建对目标航天器进行定位。对航天器提取SURF特征点并进行快速最近邻配准与随机抽样一致性筛选,利用检测的感兴趣区域进行匹配点对筛选,采用重建三位点的几何中心代表定位阶段的航天器运动,完成航天器定位。最后,针对每个阶段进行实物仿真实验。首先,远距离检测实验中,针对不同位置、角度、距离条件下的航天器进行检测。其次,航天器中距跟踪实验中,在不同距离处,针对运动航天器,进行绝对位姿估计,实现跟踪效果。最后,在近距离捕获段,通过双目相机对航天器模型进行图像采集,利用编写的程序完成特征提取、匹配、重建、定位任务,与实际精密手动位移台的移动距离进行对比,验证实验的准确性。