在轨服务作为保障空间飞行器持续、稳定运行的关键技术,近年来得到了越来越多的重视。在轨服务任务中,服务器需要与目标器逐渐靠近并最终完成捕获,在接近过程中,两飞行器相对位姿测量决定着任务的成败。任务中的目标器一般具有非合作目标的特点,其结构中不包含视觉靶标,难以直接获取其相对位姿。目前研究的主要测量手段是结合目标器自然结构的视觉成像特征进行算法设计,其中,环状结构作为多数飞行器普遍存在的明显结构,使得依据其视觉成像特点进而测算飞行器相对位姿成为可能。本课题针对特定飞行器环状结构展开实验,主要研究了飞行器视觉仿真样本生成方法以及几种环状目标的检测方法。本文构建了特定目标器环状结构的空间三维模型,并应用了Open Inventor图形库,实现了三维模型在不同相对位姿以及不同光照条件下的快速视觉仿真的具体流程。根据软件仿真系统相机参数以及位姿参数确定的特性,本文提出了样本图像对应环状目标参数的自动化计算方法。视觉仿真图像以及对应标签可用于环状检测算法的性能测试。在环状目标的检测方法部分,本文将环状目标检测抽象为两个同心圆的检测,讨论了圆Hough变换以及随机圆检测的时间复杂度。同时,针对随机圆检测候选圆选取过多的问题,本文提出了基于随机圆检测的两种优化算法,大大降低了候选圆的选取数量。本文测试了两种优化算法与圆Hough变换在仿真样本集上的运算效率,在选定合适参数的情况下,两种优化算法在保证准确率的同时,大幅提升了运算效率。本文还指出了优化算法的检测限制。考虑到卷积神经网络在目标检测与分割领域的快速发展,本文研究了基于卷积神经网络计算环状目标参数的具体流程。针对环状结构视觉仿真样本,本文提出了应用语义分割网络对环状目标进行大致定位。同时,本文还设计了用于边缘定位的神经网络,实现了环状目标边缘点的精确定位。本文还提出了应用卷积神经网络计算环状目标参数的完整流程,不同条件下环状目标检测结果的交并比高于98.7%。