随着空间探索的不断深入,在轨航天器数量越来越多,除了少部分仍然正常工作外,大部分已到寿命末期而被废弃,部分因为出现故障而无法正常工作,使得轨道垃圾不断累积。利用空间机器人进行卫星维修、轨道垃圾清理成为各航天大国近年来的热点热门研究方向。然而,作为在轨维护的非合作目标,大都处于翻滚状态,动力学特性极其复杂。本文针对翻滚目标在轨识别与捕获的需求,开展双臂空间机器人协同测量及轨迹规划方法的研究,包括双臂空间机器人及目标的动力学耦合特性、基于双目立体视觉的图像融合增强及位姿测量方法、基于虚拟立体视觉的非合作目标协同测量方法以及基于参数估计的双臂协同抓捕方法等,并通过地面试验系统进行实验研究。针对基座与机械臂之间、双臂之间以及双臂与目标之间存在着动力学耦合的问题,提出双臂空间机器人及目标的动力学耦合建模方法。根据线动量方程可积,同时它是一个完整约束,而角动量方程是不可积的约束,因而可以拆分位置级和速度级运动学方程,进而独立求解对应的方程。该方法将常规单臂空间机器人基座到末端以及关节到末端的动力学耦合特性分析方法推广到双臂空间机器人系统中,通过双臂之间以及双臂与基座之间的动力学耦合因子对动力学耦合特性进行评价,并绘制相应的耦合图。进一步地,建立双臂与翻滚目标之间的运动学耦合关系,通过速度分解法得到机械臂末端速度与期望速度之间的运动约束关系,结合非线性二次规划法迭代求得最优的位姿偏差调节增益值。根据优化算法提供的动态增益值,使机械臂能快速地接近抓捕点。针对空间非合作目标未安装合作标志器且处于翻滚状态的问题,提出一种基于双目立体视觉的图像融合增强及位姿测量方法,解决运动目标识别中图像边缘模糊及测量误差大的问题。将发动机喷嘴作为识别对象,根据测量需求设计双目立体视觉系统,并分析测量性能参数。为处理翻滚目标运动过程中出现的图像拖尾现象,通过盲去卷积算法实现拖尾图像的复原。进一步地,从空间圆及近圆特征成像的本质出发,推导适合于高效数值求解的位姿计算方程。利用图像平面中椭圆的五个独立参数进行完整的空间圆锥坐标变换,避免传统方法中繁琐坐标转换环节,减少过程误差,提高位姿解算的精度和速度。同时,将图像的预处理算法与特征识别算法设计成FPGA的并行架构,进一步加快整个视觉测量的速度。针对单个机械臂仅携带一个相机而无法独立构成立体视觉的问题,提出基于虚拟立体视觉的非合作目标双臂协同测量方法。根据每个机械臂各自所携带手眼相机成像的结果,将各自识别的特征转换为等效的空间圆特征,结合两个机械臂之间的相对关系及圆形特征所具有的各向同性的特点,构建“虚拟立体视觉-虚拟共同特征”测量框架,实现非合作目标的位姿测量。两个机械臂分别对发动机喷嘴和太阳帆板三角形支架进行识别,前者直接获得圆形特征,而后者是在三角形支架识别的基础上获得内切圆特征,结合前期通过别的手段所获得的卫星喷嘴与三角支架的几何相对位姿关系(基于其它测量手段如基座测量系统首先得到3D点云信息,经过3D重构后获得目标关键部件的几何信息,在此作为先验知识),推导等效立体视觉测量方程,并通过最小二乘法进行求解,获得准确的目标位姿数据。该方法提供一种新的非合作目标测量途径,减少视觉传感器的数量和计算复杂度,降低测量系统的成本。进一步地,针对测量时延和目标惯性参数未知条件下的运动估计问题,提出一种可同时估计目标运动状态和惯性参数的混合Kalman参数估计方法及相应的双臂协调轨迹规划方法。由于目标处于运动状态,视觉测量系统与机械臂控制系统之间存在时延,且目标的质量特性未知,为双臂协调捕获带来巨大挑战。考虑到扩展卡尔曼滤波器EKF对于线性系统迭代非常快速,并且无迹卡尔曼滤波器UKF可以获得更好的参数估计精度,本文设计一个结合EKF和UKF的高效混合卡尔曼滤波器(HKF),它可以同时估计姿态、角速度与全部惯性参数,适用于绕惯性主轴旋转以及围绕任意轴旋转两种典型情况下的参数估计问题。基于估计的运动参数和惯性参数,利用分解运动速度控制策略,规划双臂空间机器人协调捕获空间翻滚的目标。最后,利用实际的基于运动学等效原理所开发的双臂空间机器人目标捕获实验系统,对非合作翻滚目标捕获中的视觉测量和双臂协调轨迹规划方法进行实验验证,通过实验结果证明所提方法的有效性。