请使用python-opencv，基于双目视觉，得到相机的基线距离

好的，以下是一个基于Python-OpenCV的双目视觉相机基线距离计算的示例代码：

import cv2
import numpy as np

# 定义左右摄像机标定参数
left_camera_matrix = np.array([[640, 0, 320], [0, 640, 240], [0, 0, 1]])
left_dist_coeffs = np.zeros((4, 1))
right_camera_matrix = np.array([[640, 0, 320], [0, 640, 240], [0, 0, 1]])
right_dist_coeffs = np.zeros((4, 1))
R = np.array([[9.999880e-01, 6.075035e-03, -2.460181e-03],
              [-6.084023e-03, 9.999428e-01, -1.951484e-03],
              [2.439883e-03, 1.955969e-03, 9.999968e-01]])
T = np.array([[-6.567866e-02], [-1.242281e-03], [-2.490761e-04]])

# 读取左右摄像机图像
left_image = cv2.imread("left.jpg")
right_image = cv2.imread("right.jpg")

# 立体校正
R1, R2, P1, P2, Q, _, _ = cv2.stereoRectify(left_camera_matrix, left_dist_coeffs,
                                             right_camera_matrix, right_dist_coeffs,
                                             (640, 480), R, T)

# 计算映射矩阵
left_map1, left_map2 = cv2.initUndistortRectifyMap(left_camera_matrix, left_dist_coeffs, R1, P1, (640, 480), cv2.CV_16SC2)
right_map1, right_map2 = cv2.initUndistortRectifyMap(right_camera_matrix, right_dist_coeffs, R2, P2, (640, 480), cv2.CV_16SC2)

# 畸变校正
left_rectified = cv2.remap(left_image, left_map1, left_map2, cv2.INTER_LINEAR)
right_rectified = cv2.remap(right_image, right_map1, right_map2, cv2.INTER_LINEAR)

# 生成SGBM视差算法对象
stereo = cv2.StereoSGBM_create(minDisparity=0, numDisparities=16*5, blockSize=11, P1=8*3*11*11, P2=32*3*11*11, disp12MaxDiff=1, uniquenessRatio=10, speckleWindowSize=100, speckleRange=32)

# 计算视差图
disparity = stereo.compute(left_rectified, right_rectified)

# 计算深度图
depth = cv2.reprojectImageTo3D(disparity, Q)

# 计算相机基线距离
baseline_distance = abs(T[0])

print("相机基线距离为：", baseline_distance)

在上述代码中，我们首先定义了左右摄像机的标定参数，然后读取了左右摄像机的图像。接下来，我们使用`cv2.stereoRectify()`函数进行立体校正，然后使用`cv2.initUndistortRectifyMap()`函数计算映射矩阵，进行畸变校正。然后，我们使用`cv2.StereoSGBM_create()`函数生成SGBM视差算法对象，计算出视差图。最后，我们使用`cv2.reprojectImageTo3D()`函数计算出深度图，并通过相机位移矩阵T中的第一个元素计算出相机基线距离。

请注意，以上代码只是一个示例，实际上您需要根据您的摄像机标定参数和实际情况进行调整。