使用python-opencv，左右相机拍摄到的两张图像的像素坐标差异，可以计算出对应特征点的深度值

是的，使用python-opencv可以实现计算对应特征点的深度值。在进行立体视觉测量时，需要进行视差计算，即左右图像中对应点的像素坐标差异。通过视差计算可以得到对应特征点的深度值。下面是一个简单的例子：

import cv2
import numpy as np

# 读取左右相机图像
img_left = cv2.imread('left.png')
img_right = cv2.imread('right.png')

# 转换为灰度图像
gray_left = cv2.cvtColor(img_left, cv2.COLOR_BGR2GRAY)
gray_right = cv2.cvtColor(img_right, cv2.COLOR_BGR2GRAY)

# 创建SIFT特征检测器
sift = cv2.xfeatures2d.SIFT_create()

# 在左右图像中检测SIFT特征点
kp_left, des_left = sift.detectAndCompute(gray_left, None)
kp_right, des_right = sift.detectAndCompute(gray_right, None)

# 创建暴力匹配器
bf = cv2.BFMatcher()

# 基于描述子的匹配
matches = bf.match(des_left, des_right)

# 根据匹配结果，计算对应特征点的视差
disparity = np.zeros((len(matches), 1))
for i, match in enumerate(matches):
    left_pt = kp_left[match.queryIdx].pt
    right_pt = kp_right[match.trainIdx].pt
    disparity[i] = left_pt[0] - right_pt[0]

# 根据视差计算深度
# 假设相机间距为10cm，焦距为1000像素
baseline = 10
focal_length = 1000
depth = np.zeros((len(matches), 1))
for i, d in enumerate(disparity):
    depth[i] = baseline * focal_length / d

# 显示计算结果
print(depth)

以上代码中，通过SIFT特征检测器检测左右图像的SIFT特征点，然后使用暴力匹配器进行基于描述子的匹配。根据匹配结果，计算对应特征点的视差，最后根据视差计算深度。需要注意的是，这里假设相机间距为10cm，焦距为1000像素，实际情况需要根据相机参数进行调整。