La estimación precisa y robusta de la pose relativa es el primer paso para garantizar el éxito de una misión de eliminación activa de desechos. Este documento presenta un método novedoso para detectar marcadores estructurales en el Satélite Ambiental de la Agencia Espacial Europea (ENVISAT) para un desorbitado seguro utilizando procesamiento de imágenes y Redes Neuronales Convolucionales (CNN). Se emplean técnicas avanzadas de preprocesamiento de imágenes, incluyendo la adición de ruido y el desenfoque, para mejorar la precisión y robustez de la detección de marcadores desde una nave espacial perseguidora. Además, abordamos los desafíos que plantean los períodos de eclipse, durante los cuales las esquinas del satélite no son visibles, lo que impide las actualizaciones de medición en el Filtro de Kalman Sin Ruido (UKF). Para mantener la calidad de la estimación en estos períodos de pérdida de datos, proponemos un enfoque de inflación de covarianza en el que se ajusta la matriz de covarianza del ruido del proceso, reflejando la mayor incertidumbre en las predicciones de estado durante el eclipse. Esta adaptación asegura una estimación de estado más precisa y estabilidad del sistema en ausencia de mediciones. Los resultados iniciales muestran un potencial prometedor para la eliminación autónoma de desechos espaciales, apoyando estrategias proactivas para la sostenibilidad espacial. La efectividad de nuestro enfoque sugiere que nuestro método de estimación, combinado con una adaptación robusta al ruido, podría mejorar significativamente la seguridad y eficiencia de las operaciones de eliminación de desechos al implementar sistemas más resilientes y autónomos en misiones espaciales reales.