要找到物体的深度，可以使用计算机视觉技术中的视差映射方法。以下是一个示例代码，使用双目视觉图像来估计物体的深度。

import cv2

# 读取左右眼图像
left_image = cv2.imread('left_image.jpg')
right_image = cv2.imread('right_image.jpg')

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

# 创建StereoBM对象
stereo_bm = cv2.StereoBM_create(numDisparities=16, blockSize=15)

# 计算视差图
disparity_map = stereo_bm.compute(gray_left, gray_right)

# 根据视差图计算深度图
focal_length = 10  # 焦距
baseline = 0.1  # 立体摄像头的基线长度
depth_map = focal_length * baseline / disparity_map

# 显示深度图
cv2.imshow('Depth Map', depth_map)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中，我们首先读取了左右眼的图像，并将它们转换为灰度图像。然后，我们使用cv2.StereoBM_create函数创建了一个StereoBM对象，它用于计算视差图。通过调用stereo_bm.compute函数，我们可以计算出视差图。

为了将视差图转换为深度图，我们需要知道焦距和立体摄像头的基线长度。在上述示例中，我们假设焦距为10，基线长度为0.1。根据视差图和这些参数，我们可以使用简单的公式depth_map = focal_length * baseline / disparity_map计算出深度图。

最后，我们使用cv2.imshow函数显示深度图，并使用cv2.waitKey(0)等待用户按下任意键关闭窗口。

请注意，以上代码示例中的参数（例如numDisparities和blockSize）可能需要根据具体情况进行调整，以获得更好的深度估计结果。