Estimer la distance jusqu’aux objets est essentiel pour les véhicules autonomes lorsque l’utilisation de capteurs de profondeur n’est pas possible. Dans ce cas, la distance doit être estimée à partir de caméras RGB embarquées, ce qui constitue une tâche complexe, particulièrement dans des environnements tels que les paysages naturels en extérieur. Dans cet article, nous présentons une nouvelle méthode nommée M4Depth pour l’estimation de profondeur. Tout d’abord, nous établissons une relation biunivoque entre la profondeur et le déséquilibre visuel de deux trames consécutives, et montrons comment exploiter cette relation pour réaliser une estimation de profondeur pixel par pixel indépendante du mouvement. Ensuite, nous détaillons M4Depth, une architecture basée sur un réseau neuronal convolutif pyramidale où chaque niveau affine une estimation initiale de carte de déséquilibre visuel en utilisant deux volumes de coût personnalisés. Ces volumes de coût permettent de tirer parti des contraintes spatio-temporelles visuelles imposées par le mouvement, et rendent le réseau robuste face à des scènes variées. Nous avons évalué notre approche à la fois en mode test et en mode de généralisation sur des jeux de données publics comprenant des trajectoires de caméra synthétiques enregistrées dans une large variété de scènes en extérieur. Les résultats montrent que notre réseau surpasser le state of the art sur ces jeux de données, tout en obtenant de bons résultats sur une benchmark classique d’estimation de profondeur. Le code de notre méthode est disponible publiquement à l’adresse suivante : https://github.com/michael-fonder/M4Depth.