Ce papier aborde la tâche d’estimation non supervisée de profondeur dans des environnements intérieurs. Cette tâche s’avère extrêmement difficile en raison des vastes zones dépourvues de texture présentes dans ces scènes. Ces régions peuvent facilement perturber le processus d’optimisation dans les cadres d’estimation non supervisée de profondeur couramment utilisés pour les environnements extérieurs. Toutefois, même lorsque ces zones sont masquées, les performances restent insatisfaisantes. Dans ce travail, nous affirmons que la faible performance provient principalement du mauvais pouvoir discriminant des correspondances basées sur les points. À cette fin, nous proposons P$^2$2Net. Nous commençons par extraire des points présentant de fortes gradients locaux, puis utilisons des patches centrés sur chaque point comme représentation. Une perte de cohérence multivue est ensuite définie sur ces patches, ce qui améliore significativement la robustesse de l’entraînement du réseau. En outre, comme les régions sans texture typiques des environnements intérieurs (murs, sols, plafonds, etc.) correspondent généralement à des régions planes, nous proposons d’utiliser les superpixels comme prior planaire. Nous imposons que la profondeur prédite soit bien ajustée par un plan à l’intérieur de chaque superpixel. Des expériences étendues sur les jeux de données NYUv2 et ScanNet montrent que notre P$^2$2Net surpasse de manière significative les approches existantes. Le code est disponible à l’adresse suivante : \url{https://github.com/svip-lab/Indoor-SfMLearner}.