La segmentation d'images est une tâche cruciale pour fournir une assistance humaine et améliorer l'autonomie dans notre vie quotidienne. En particulier, la segmentation RGB-D, qui exploite à la fois les indices visuels et de profondeur, a attiré une attention croissante car elle promet une compréhension des scènes plus riche que les méthodes uniquement basées sur RGB. Cependant, la plupart des efforts existants se sont principalement concentrés sur la segmentation sémantique, laissant ainsi un écart critique. Il existe une relative rareté de jeux de données de segmentation RGB-D au niveau des instances, ce qui limite les méthodes actuelles aux distinctions de catégories générales plutôt qu'à la capture complète des détails fins nécessaires pour reconnaître des objets individuels. Pour combler cet écart, nous présentons trois benchmarks de segmentation d'instances RGB-D, distingués au niveau des instances. Ces jeux de données sont polyvalents, supportant une large gamme d'applications allant de la navigation intérieure à la manipulation robotique. De plus, nous proposons une évaluation approfondie de divers modèles de base sur ces benchmarks. Cette analyse exhaustive identifie leurs forces et leurs faiblesses, guidant les travaux futurs vers des solutions plus robustes et généralisables. Enfin, nous proposons une méthode simple mais efficace pour l'intégration des données RGB-D. Des évaluations approfondies confirment l'efficacité de notre approche, offrant un cadre solide pour progresser vers une compréhension des scènes plus nuancée.