人体姿态估计和动作识别在安防、医疗和运动等领域有着重要的应用价值。为了解决不同背景及角度下各类运动动作的人体姿态估计和动作识别问题，本文提出了一种改进的YOLOv7-POSE算法，并自行拍摄制作各种拍摄角度的数据集进行训练。此算法以YOLOv7为基础，对原始网络模型添加了分类的功能，在Backbone主干网络中引入CA卷积注意力机制，提升了网络在对人体骨骼关节点和动作的分类的重要特征的识别能力。用HorNet网络结构代替原模型的CBS卷积核，提高了模型的人体关键点检测精度和动作分类的准确度。将Head层的空间金字塔池化结构替换为空洞空间金字塔池化结构，提升了检测精度并且加快了模型收敛。将目标检测框的回归函数由CIOU替换为EIOU，提高了坐标回归的精度。设计了两组对照实验，实验结果证明，改进后的YOLOv7-POSE在验证集上的mAP为95.7%，相比于原始YOLOv7算法提高了4%，各类运动动作识别准确率显著上升，在实际推理中的关键点错检、漏检等情况明显减少，关键点位置估计误差明显降低。

为防止低轨光学卫星相控阵数传任务过程中相机进光而对传感器造成损伤，提出了一种相控阵数传任务期间的太阳光姿态规避方法。首先，计算出地心固连坐标系中卫星指向太阳的向量与卫星指向地面数传站的向量，并建立两向量所在平面的单位法向量。其次，以单位法向量为旋转轴使卫星指向地面数传站的向量以相控阵最大离轴角进行旋转，旋转后的向量即为卫星在地心固连坐标系下的太阳光规避向量。然后，通过太阳光规避向量、地心固联坐标系中卫星的位置及地心固联坐标系到轨道坐标系的转换矩阵，规划卫星在轨道坐标系下的太阳光规避姿态并计算出相控阵指向角。最后，在吉林一号高分02D星上进行了仿真分析和在轨试验。仿真结果表明，在相控阵最大波束角为60°的情况下，卫星使用太阳光姿态规避方法进行数传后，在12月份内相机与太阳光夹角在90°以下的概率由传统凝视姿态数传方法的44.1%降低为2.1%。吉林一号高分02D星在轨试验结果表明，近似相同条件下的两次数传任务在使用太阳光姿态规避方法进行数传后，相机与太阳光的夹角由传统凝视姿态的31.3°~152.1°提升为96.3°~180°，验证了太阳光姿态规避方法可在数传任务期间有效规避太阳光，保证了低轨光学卫星相机在轨的安全性和可靠性。

在机载光电转台、多自由度摇摆台等系统中，对于一些运动体与基座间没有确定的回转轴的柔性支撑、并联支撑平台，需要考虑非接触三轴角度测量方法，目前大部分的光电非接触三轴角度测量方案系统复杂，占用空间大，无法适用于如机载、星载等载荷对体积、质量敏感的场景。为此，文中提出了基于双位置敏感探测器（PSD）的非接触三轴角度测量方案，使用准直镜头汇聚、双面反射光楔反射，将光源在两片PSD上汇聚成像，利用PSD上的光斑位置坐标反解出三轴角度。描述了其工作原理以及传感器构成，分析了因两片PSD的相对位置偏移产生的误差，提出了对应补偿方法以减少焊装产生的PSD位置偏移对测量精度的影响。主要对采集的PSD模拟信号值的抖动噪声进行FIR滤波处理，分析了滤波器的相频响应特性，并在MCU中测量相位滞后时间以及滤波器的响应带宽，验证了该数字滤波器在系统内拥有较好的实时传输特性。自准直测量单元总质量为230 g，尺寸为50 mm×50 mm×50 mm。实验结果表明，34阶FIR滤波器将角度测量的误差减小至60%，在±2°测量范围内单轴测量时，方位角、俯仰角、横滚角的误差均方根分别为0.003°、0.007°、0.017°，组合测量时分别为0.006°、0.009°、0.021°，文中所提出的三维测角传感器精度较高，满足机载等场景的使用要求。

针对空间物体姿态快速测量问题，以构建视觉最小系统需求为依据，研究了一种基于二维主动位姿引导的单目视觉空间姿态测量方法，建立了单目相机、二维载台与倾角仪之间的姿态测量模型，实现了空间物体的姿态角的测量。该方法以大地倾角仪坐标系统一测量系统的测量基准，由精密二维载台引导单目相机覆盖地空大视野三维空间，通过前期标定设计完成了单目相机与二维载台之间的工装校准；建立了载台坐标系、摄像机坐标系以及大地倾角仪坐标系之间的姿态测量传递模型，实现了定轴旋转双视角拍照下的空间物体的姿态解算和角度测量。构建了实验验证环境，测角实验结果表明：在系统测量基准坐标系下，其俯仰角的测量误差≤0.82°,测量相对误差≤6.1%；其横滚角的测量误差≤0.43°，测量相对误差≤3.4%。

传统的单目姿态估计算法采用卷积网络在图像中定位若干关键点，再基于2D-3D匹配技术估计目标的姿态，但卫星上的关键点分布较分散，卷积网络由于其受限的感受野导致关键点的定位精度低，影响后续姿态估计的精度。此外传统流程需要人工标注关键点位置和目标的掩膜，标注成本高。为了解决传统方法感受野受限问题，在卷积网络中引入自注意力机制，赋予其全局建模能力，提高了关键点的定位精度。为了改善传统方法需要大量人工标注的问题，通过空间雕刻，重构了目标的点云，再将点云重投影回像素平面，自动化获取所需标签，省略了人工标注过程，提高了算法实用性。实验结果表明：所提算法在SPEED数据集上进行验证，关键点定位精度为92%，姿态平移误差为0.236%，姿态旋转误差为9.86×10^-3弧度，在简化算法复杂度的同时提升了精度。可以有效应用于航天器之间的相对姿态估计。