Para abordar las limitaciones de un rendimiento en tiempo real inadecuado y la robustez encontrada en la estimación de la pose de naves espaciales no cooperativas durante misiones en órbita, se propone un nuevo método de aprendizaje para la selección de distribución de puntos de características. Este enfoque utiliza una red de selección de puntos clave no coplanares con predicción de incertidumbre, pionera en su capacidad para estimar con precisión la pose de naves espaciales no cooperativas, representando así un avance significativo en el campo. Inicialmente, se analizó la viabilidad de diseñar una red de selección de puntos clave no coplanares basada en la influencia del diseño del sensor en la medición de la pose. Posteriormente, se diseñó y entrenó la red de selección de puntos clave, aprovechando imágenes extraídas de la red de detección de naves espaciales. La red detectó 11 puntos clave preseleccionados con características distintivas y fue capaz de predecir con precisión sus incertidumbres y relaciones posicionales relativas. Al seleccionar los puntos clave que exhiben baja incertidumbre y posiciones relativas no coplanares, utilizamos el algoritmo EPnP para lograr una estimación precisa de la pose de la nave espacial objetivo. Nuestra evaluación experimental en el conjunto de datos SPEED, que proviene de la Competencia Internacional de Estimación de Actitud de Satélites, valida la efectividad de nuestra red de selección de puntos clave, mejorando significativamente la precisión y la puntualidad de la estimación en comparación con otros métodos de estimación de actitud de naves espaciales monoculares. Este avance proporciona un sólido apoyo tecnológico para la guía, control y operaciones de proximidad de naves espaciales en misiones de servicio orbital.