Les très petits objets peuvent-ils être détectés par les caméras ZED ?

Last updated: October 23, 2026

Le ZED SDK fournit les images rectifiées gauche et droite de la scène et calcule la position 3D de chaque pixel. Le plus petit objet pouvant être détecté dépend de sa taille dans l’image (nombre de pixels), qui dépend à son tour de la distance, de la distance focale des objectifs et de la résolution de l’image. Lorsqu’un objet est trop éloigné ou trop petit, l’estimation de la profondeur n’est pas fiable et ses pixels peuvent être filtrés par les seuils de confiance.

Comment améliorer la détection des petits objets

  • Choisissez la caméra adaptée : pour les applications à courte distance, telles que le pick-and-place, la manipulation et l’inspection, la ZED X Nano (plage de profondeur à partir de 3 cm) et la ZED X Mini (à partir de 10 cm avec des objectifs grand-angle) offrent la meilleure précision à courte distance. Pour les petits objets situés à plus longue distance, un objectif étroit (4,6 mm) augmente le nombre de pixels par objet. Voir Pour la détection de profondeur, quelle est la portée des caméras ZED ?

  • Utilisez la résolution utile la plus élevée : une résolution plus élevée augmente le nombre de pixels sur l’objet.

  • Utilisez les modes de profondeur NEURAL : ils préservent mieux les contours des objets et les détails fins ; voir Modes de profondeur.

Détection d’objets spécifiques

  • Détection d’objets personnalisée : entraînez ou utilisez votre propre détecteur (par exemple, un modèle YOLO) pour détecter vos objets dans l’image 2D ; le ZED SDK calcule ensuite leur position 3D, leur boîte englobante 3D et leur suivi. Voir Détection d’objets personnalisée et l’intégration de YOLO.

  • Marqueurs fiduciels : collez des marqueurs ArUco ou AprilTag sur les objets que vous souhaitez suivre, détectez-les dans les images ZED avec OpenCV, et utilisez la profondeur ZED ou le nuage de points pour récupérer leur position 3D. Avec ROS 2, consultez l’ exemple de détection AprilTag avec Isaac ROS.

  • Vision par ordinateur classique : la segmentation des couleurs ou la détection de formes avec OpenCV, combinées aux données de profondeur ZED, peuvent être efficaces dans des environnements contrôlés.