相机标定是从二维数字影像获取三维欧氏空间信息的基础步骤。近年来,随着鱼眼成像质量、分辨率的不断提升,超宽视角、价格低廉的鱼眼相机除用于传统安防监控目的,也为众多视觉测量应用行业、领域所关注。然而,由于鱼眼镜头特殊的光学约束原理,鱼眼图像呈现出由图像中心越到边缘越严重的非线性图形畸变,致使拍摄的鱼眼图像不利于人眼观察,解决方法就将鱼眼图像校正成符合人眼观察和计算机容易理解的透视投影图像,前提是获得一套高精度标定的鱼眼镜头参数,但传统基于几何成像模型的鱼眼镜头标定方法太过于繁杂且不具备普适性,影响了鱼眼镜头的应用价值。针对此问题,本文提出了一种基于卷积神经网络的鱼眼镜头标定方法,主要内容如下:（1）自动构建样本数据集。针对目前训练神经网络对鱼眼镜头进行标定时,需进行大量样本标注工作且标签数据集未达到180°的视场角之不足,本文基于球面投影鱼眼镜头成像模型及鱼眼图像立方盒展开过程,自动构建包含鱼眼镜头内部参数、鱼眼图像椭圆弧坐标及纠正影像直线坐标的样本数据集。（2）提出和设计了一种基于U-Net的鱼眼影像畸变直线校正网络模型。将处理医疗影像具有语义分割全卷积神经网络（FCN）、跳接结构融合位置信息和语义信息特性的U-Net网络引入到鱼眼镜头标定技术中,构建非对称卷积结构完成鱼眼图像畸变坐标直线校正,并通过构建仿真数据集完成网络模型的训练、预测,以及精度评估。（3）提出和设计了一种基于ResNet的鱼眼镜头参数估计网络模型。该网络以深度可分离卷积残差网络为特征提取层、以改进型U-Net网络作为前端网络,将其输出层与输入层联合作为引导信息输入到ResNet网络来估计鱼眼镜头的内部参数,再根据立方盒展开校正原理利用网络估计的参数对鱼眼图像进行校正展开,并对其进行直线拟合误差精度评估。