随着遥感卫星在轨任务复杂性的不断提升, 对卫星定姿精度的要求也不断提高。星敏感器是星上精度最高的姿态敏感器, 因而其在轨标定是提高定姿精度的有效手段。由于大视场星敏感器的镜头畸变复杂, 目前广泛采用的基于星对角距的最小二乘法存在一定局限性。因此提出一种基于机器学习的星敏感器在轨标定算法, 该方法结合机器学习预测建模思想, 通过构造特征建立镜头畸变模型, 并结合主成分分析方法进行冗余特征的消除, 最后从星角距和模型泛化能力两方面对标定效果进行评价。仿真结果表明: 算法对镜头畸变程度较大的星敏感器有良好的校正效果, 标定精度始终能保持在0.８″内, 与目前几种主流算法相比, 具有精度高, 鲁棒性好等优点。