La estimación de la pose relativa de un satélite es una tarea esencial para las misiones aeroespaciales, como el servicio en órbita y el vuelo en formación a corta proximidad. Sin embargo, la situación cambiante hace que la estimación precisa de la pose relativa sea difícil. Este artículo presenta un método de estimación de pose relativa de satélites basado en aprendizaje profundo para imágenes ópticas monoculares. El método está orientado a satélites objetivo no cooperativos con modelos 3D conocidos. Este artículo propone una nueva red neuronal convolucional combinada con conocimiento previo 3D expresado por el modelo 3D en forma de nube de puntos. El método utiliza convolución de nube de puntos para extraer características de la nube de puntos. Para hacer que el resultado sea más preciso, se diseña una función de pérdida que es más adecuada para tareas de estimación de pose de satélites. Para entrenar y probar el método propuesto, se requieren grandes cantidades de datos. Este artículo construye un conjunto de datos de estimación de pose de satélites BUAA-SID-POSE 1.0 mediante simulación. El método propuesto se aplica al conjunto de datos y muestra un rendimiento deseable en la tarea de estimación de pose. La técnica propuesta puede utilizarse para llevar a cabo tareas de estimación de pose relativa basadas en visión monocular en aplicaciones espaciales.