空间非合作目标的相对位姿测量是未来实现空间自主在轨服务的关键技术。非合作目标由于其无法通过星间链路等有效信息进行交互,导致目前以光学测量手段为主。线阵扫描式激光雷达的位姿测量技术具有测量精度高、抗干扰能力强和受光照条件影响小等优点,成为当前国内外空间技术领域领军单位的重要研究方向。解算空间非合作目标相对位姿,主要通过对激光雷达获取的卫星点云数据进行点云配准的方法实现。精配准算法是目前点云配准领域中广泛应用的方法之一,但由于精配准对点云的初始位置敏感,自身单向迭代机制在待配准目标点云初始位置存在较大差异的情况下,易陷入局部最优,导致配准失效。针对精配准算法的这一弊端,在进行精配准之前,引入粗配准为其提供良好的初始位置尤为重要。粗配准可以在避免算法失效的同时,减少精配准的迭代次数,提高精配准的精度和效率。因此,本文针对空间非合作目标点云粗配准算法进行研究。论文的主要研究工作如下:首先,针对现有粗配准算法在求解法向量估计特征信息速度慢与精度低的问题,结合空间非合作目标的背景任务需求,提出了基于空间非合作目标三维点云数据集的K邻域阈值选取方法。在此基础上,对于传统法向量计算的二义性问题,提出了一种基于点云数据集质心点为视场点的法向量估计的改进算法。然后,结合空间非合作目标自身的结构特点,建立了SAC-IA(Sampling Consistency Initial Registration)算法和FPFH(Fast Point Feature Histograms)特征描述子相结合的局部特征粗配准算法。针对SAC-IA和FPFH局部特征算法所需阈值参数选取问题,引入包围盒的概念,提出了基于法向量K邻域阈值与包围盒的自适应匹配阈值算法。最后,提出空间非合作目标点云数据的获取方式,并从粗配准算法的配准误差角度来验证提出算法的可行性。实验结果表明,本文针对空间非合作目标的在轨粗配准任务可以为精配准提供2°的误差。