Indices monoculaires vs indices binoculaires

La perception de l’espace tridimensionnel constitue l’un des accomplissements computationnels les plus remarquables du système nerveux central. Chaque instant de notre vie éveillée nous confronte à un environnement volumétrique complexe, peuplé d’objets situés à des distances variables, dotés de reliefs, d’orientations et de trajectoires dynamiques. Pourtant, cette phénoménologie immersive repose sur un paradoxe physique fondamental : les surfaces réceptrices de nos yeux, les rétines, ne sont que des membranes bidimensionnelles incurvées. L’univers physique à trois dimensions est inévitablement comprimé en deux distributions d’intensité lumineuse planes. Reconstruire la troisième dimension à partir de ces projections aplaties représente ce que les mathématiciens et les théoriciens de la vision qualifient de « problème inverse mal posé », une équation qui admet en théorie une infinité de solutions géométriques incompatibles.

Pour résoudre cette ambiguïté ontologique et permettre une interaction motrice efficace avec le monde, le cerveau a développé, au cours de centaines de millions d’années d’évolution, une architecture d’inférence statistique d’une sophistication extraordinaire. Cette machinerie cognitive ne se contente pas d’enregistrer passivement la lumière ; elle décode, extrait et synthétise une multiplicité de signaux environnementaux, optiques, cinétiques et physiologiques désignés sous le terme générique d’indices de profondeur. Ces indices se subdivisent traditionnellement en deux grandes catégories épistémologiques et fonctionnelles : les indices monoculaires, exploitables à partir des données transmises par un seul œil, et les indices binoculaires, nés de la coopération et de la disparité géométrique inhérente à l’existence de deux récepteurs oculaires séparés dans l’espace crânien.

L’exploration comparative de ces deux modalités perceptives ne relève pas d’une simple taxonomie académique. Elle touche au cœur même de la neurobiologie cognitive, de la psychophysique, de l’ophtalmologie clinique et des technologies contemporaines d’immersion visuelle. Comment le cortex visuel combine-t-il des gradients de texture picturaux avec des disparités stéréoscopiques millimétriques ? Pourquoi la perte brutale de la vision d’un œil ne réduit-elle pas notre univers à une estampe plate ? Quels sont les mécanismes neuronaux qui arbitrent les conflits lorsque les indices monoculaires contredisent les données binoculaires ? Cet article propose une analyse exhaustive des fondements physiologiques, géométriques et computationnels qui régissent la dualité et la synergie entre vision monoculaire et stéréoscopie binoculaire.

1. Introduction aux mécanismes de la perception spatiale

1.1 Problématique fondamentale de la troisième dimension

D’un point de vue optique strict, la formation d’une image sur la rétine obéit aux lois de la projection perspective centrale à travers le dioptre oculaire formé par la cornée et le cristallin. Soit un point de l’espace euclidien défini par ses coordonnées cartésiennes $(X, Y, Z)$ dans un repère centré sur le centre optique de l’œil. Sa projection sur le plan rétinien, situé à une distance focale $f$, génère des coordonnées $(x, y)$ telles que $x = f \cdot (X / Z)$ et $y = f \cdot (Y / Z)$. Cette transformation mathématique implique une perte irrémédiable d’information : la coordonnée de profondeur $Z$ disparaît en tant que variable indépendante pour devenir un dénominateur d’échelle. Par conséquent, un petit objet situé à proximité immédiate de l’observateur peut générer une empreinte rétinienne rigoureusement identique à celle d’un objet gigantesque situé à une distance considérable. C’est l’essence même du problème inverse : à partir du percept bidimensionnel projeté, il est théoriquement impossible de déduire de manière univoque la configuration tridimensionnelle source.

Face à cette dégénérescence géométrique, le système visuel ne peut recourir à une simple lecture analytique déterministe. Il doit opérer selon les principes d’une inférence probabiliste inconsciente, concept formalisé dès le XIXe siècle par le polymathe allemand Hermann von Helmholtz sous le terme d’« unbewusster Schluss » (inférence inconsciente). Dans le cadre contemporain des neurosciences computationnelles, cette opération est modélisée par l’inférence bayésienne. Le cerveau évalue la probabilité a posteriori d’une structure spatiale tridimensionnelle conditionnée par les données rétiniennes disponibles, en intégrant des connaissances préalables (a priori ou priors) forgées par l’évolution phylogénétique et l’apprentissage ontogénétique. Parmi ces postulats implicites figurent des lois physiques universelles : la lumière provient généralement du haut, les objets matériels sont opaques et continus, et les surfaces planes s’étendent de manière homogène dans l’espace.

Les indices visuels de profondeur constituent précisément les variables physiques et géométriques que l’algorithme cortical extrait de l’image pour alimenter cette inférence. Ils transforment une mosaïque de photons indifférenciés en une métrique spatiale structurée, permettant d’assigner à chaque entité de la scène visuelle une distance absolue (distance métrique séparant l’objet de l’observateur) ou une distance relative (ordonnancement et espacement comparatif des objets les uns par rapport aux autres). La perception de la troisième dimension n’est donc pas une sensation primaire brute, mais une reconstruction cognitive hautement élaborée.

1.2 Définition globale des indices monoculaires et binoculaires

Pour déchiffrer l’espace, le système nerveux exploite deux flux de données fondamentaux, distingués par leur dépendance anatomique. Les indices monoculaires regroupent l’ensemble des signaux de profondeur qui peuvent être collectés, traités et interprétés à partir des informations transitant par un seul globe oculaire. Contrairement à une idée reçue tenace qui les assimile uniquement à des artifices graphiques ou picturaux, les indices monoculaires ne sont pas exclusivement statiques. Ils intègrent des signaux géométriques fixes (perspective linéaire, gradients de texture, taille relative), des modifications radiométriques induites par l’environnement (perspective atmosphérique, ombres portées), des indices cinétiques dynamiques engendrés par le déplacement (parallaxe de mouvement, flux optique) ainsi que des rétroactions physiologiques unilatérales (accommodation du cristallin). Les indices monoculaires possèdent une universalité remarquable : ils demeurent pleinement fonctionnels que l’observateur utilise un seul œil ou ses deux yeux simultanément.

À l’opposé, les indices binoculaires requièrent impérativement l’intégration conjointe et simultanée des données afférentes issues des deux globes oculaires. Ces indices trouvent leur source dans la configuration anatomique frontale propre aux primates : nos deux yeux sont séparés horizontalement par une distance interpupillaire moyenne d’environ 60 à 65 millimètres chez l’adulte. En vertu de cet écartement spatial, chaque rétine capture une projection du monde sous un angle légèrement décalé. Cette infime différence géométrique entre les deux images rétiniennes porte le nom de disparité rétinienne ou disparité binoculaire. L’aptitude du cerveau à fusionner ces deux flux d’images discordants en un percept visuel unique et doté d’une profondeur saisissante s’appelle la stéréopsie. Les indices binoculaires englobent également les signaux oculomoteurs issus de la musculature extraoculaire qui oriente les deux yeux vers un point de convergence commun.

Loin d’opérer en silos étanches, ces deux systèmes font preuve d’une complémentarité fonctionnelle et d’une redondance stratégique au sein du cortex visuel. Là où les indices binoculaires excellent dans l’analyse de précision millimétrique à portée de main, les indices monoculaires étendent notre compréhension de l’espace jusqu’à l’horizon lointain. Le traitement cortical visuel unifie ces signaux hétérogènes au sein d’une représentation cohérente, garantissant une perception stable malgré les variations d’illumination, de distance ou les mouvements corporels.

1.3 Origine des confusions théoriques et cliniques

L’étude de la perception spatiale est fréquemment obscurcie par des raccourcis conceptuels, tant dans la vulgarisation scientifique que dans la pratique clinique quotidienne. La confusion la plus prévalente consiste à assimiler purement et simplement la stéréopsie à la « vision 3D », suggérant par antithèse qu’un individu privé de vision binoculaire évoluerait dans un monde bidimensionnel, analogue à un tableau de peinture ou à un écran de télévision. Cette conception est biologiquement erronée. Un sujet borgne ou atteint de cécité monoculaire acquise conserve une appréciation remarquablement précise de la profondeur, de la volumétrie et des distances relatives grâce à l’efficience des indices monoculaires, tout particulièrement lors des interactions dynamiques où la parallaxe de mouvement compense largement l’absence de disparité rétinienne.

Cette sous-estimation chronique de la puissance informative des indices monoculaires provient en partie des protocoles historiques de la psychophysique classique, qui ont longtemps privilégié des stimuli statiques, abstraits et appauvris pour isoler mathématiquement la disparité binoculaire (à l’instar des célèbres stéréogrammes à points aléatoires de Béla Julesz). En dépouillant artificiellement les stimuli de toute texture, de toute ombre et de tout mouvement, ces recherches ont magnifié le rôle isolé de la stéréopsie tout en reléguant les indices monoculaires au rang de signaux secondaires, voire trompeurs.

Sur le plan médical et développemental, la clarification de cette taxonomie s’avère cruciale. Les anomalies précoces de l’alignement oculaire, telles que le strabisme congénital, ou les déséquilibres réfractifs majeurs conduisant à l’amblyopie unilatérale, entraînent une altération sévère ou une suppression totale de la stéréopsie fine. Comprendre la frontière exacte entre déficits stéréoscopiques et compensations monoculaires permet d’affiner les bilans orthoptiques, de mieux orienter la rééducation visuelle et de démythifier le pronostic fonctionnel de ces patients, dont la navigation quotidienne dans l’espace reste souvent fonctionnelle en dépit d’une perte totale de vision binoculaire binoculaire précoce.

2. Vue d’ensemble des indices monoculaires de profondeur

2.1 Indices géométriques et picturaux statiques

Les indices géométriques, traditionnellement désignés sous le terme d’indices picturaux en référence aux traités de perspective de la Renaissance italienne initiés par Filippo Brunelleschi et Leon Battista Alberti, constituent le socle de l’interprétation spatiale statique. Parmi eux, la perspective linéaire repose sur la projection géométrique de droites parallèles qui, lorsqu’elles s’éloignent de l’observateur dans la troisième dimension, convergent visuellement vers un point commun situé sur la ligne d’horizon, appelé point de fuite. Ce phénomène découle directement de la loi de projection optique selon laquelle l’angle visuel sous-tendu par un intervalle métrique constant entre deux lignes décroît proportionnellement à la distance d’éloignement. Le système visuel interprète immédiatement cette convergence angulaire non pas comme un rétrécissement physique de la structure, mais comme une progression vers la profondeur spatiale.

La taille relative et la taille familière mobilisent une règle géométrique conjointe à des mécanismes de mémoire visuelle sémantique. L’angle visuel $\theta$ sous-tendu par un objet de hauteur physique $S$ situé à une distance $D$ est approximativement donné, pour de petits angles, par la relation trigonométrique $\theta \approx S / D$. Si la scène visuelle présente deux entités appartenant à la même classe morphologique (par exemple, deux silhouettes humaines) et que l’une projette une image rétinienne deux fois plus petite que l’autre, le cortex visuel déduit instantanément que l’objet de plus faible empreinte rétinienne est situé à une distance double. Cet indice de taille relative opère même en l’absence de repères précis sur la taille réelle de l’objet. En revanche, l’indice de taille familière intervient lorsque l’objet est identifié sans ambiguïté (une pièce de monnaie, une boîte aux lettres, une automobile) : le cerveau confronte la taille rétinienne mesurée à la représentation mnésique canonique de la taille physique de l’objet pour dériver une estimation absolue de sa distance métrique.

L’interposition, ou occlusion, représente sans doute l’indice spatial le plus robuste et le plus résistant aux illusions de toute la panoplie monoculaire. Elle survient lorsqu’un objet opaque interrompt physiquement les rayons lumineux émis ou réfléchis par un second objet situé en arrière-plan, masquant ainsi une partie de son contour extérieur. Bien que l’occlusion ne fournisse aucune donnée métrique quantitative (elle ne permet pas de savoir si l’objet masqué est situé dix centimètres ou dix mètres plus loin), elle établit une relation ordinale absolue et irréversible : l’élément dont le contour est continu et ininterrompu se situe obligatoirement plus proche de l’observateur que l’élément dont la silhouette présente des discontinuités topologiques en forme de « T » (les fameuses jonctions en T analysées en vision computationnelle). Le cortex visuel accorde une priorité analytique absolue à ces jonctions pour ségréguer la figure du fond.

Enfin, le gradient de texture, conceptualisé avec brio par le psychologue américain James J. Gibson dans son approche écologique de la perception visuelle, décrit la modification continue et progressive de la structure optique projetée d’une surface texturée. Lorsqu’un observateur contemple un sol empierré, une prairie ou un parquet s’étendant vers l’horizon, deux phénomènes géométriques conjoints se produisent : d’une part, la taille angulaire individuelle de chaque élément texturé (la motte d’herbe, le galet) diminue au fur et à mesure que la distance augmente ; d’autre part, la densité spatiale (le nombre de micro-éléments par unité d’angle solide rétinien) croît de manière exponentielle. Cette compression perspective et cette densification systématique fournissent un signal continu d’inclinaison de surface (slant) et d’échelle de profondeur à travers tout le champ de vision.

2.2 Indices environnementaux et d’éclairage

L’espace physique terrestre n’est pas un vide parfait ; il est rempli d’une atmosphère gazeuse chargée de micro-particules d’eau, de poussières et d’aérosols divers qui altèrent la propagation rectiligne de la lumière sur de longues distances. La perspective atmosphérique (ou perspective aérienne), magistralement décrite par Léonard de Vinci dans ses carnets, découle directement de la physique de la diffusion lumineuse, régie conjointement par la diffusion de Rayleigh (pour les particules de taille inférieure à la longueur d’onde de la lumière) et la diffusion de Mie. Lorsque la distance physique entre une montagne et l’œil d’un observateur atteint plusieurs kilomètres, la lumière réfléchie par le relief subit des collisions multiples avec les molécules atmosphériques. Ces interactions diffusent préférentiellement les courtes longueurs d’onde (bleues) et superposent un voile lumineux diffus (la lumière de l’air ou airlight) sur l’image de la cible.

Il en résulte trois conséquences perceptives majeures que le système visuel intègre comme des signaux d’éloignement extrême : une atténuation drastique du contraste spatial des hautes fréquences (les détails fins et les textures de la montagne s’estompent complètement), une réduction de la saturation chromatique générale, et un glissement progressif de la teinte vers des tonalités bleutées ou azurées. Dès lors qu’une structure visuelle présente un faible contraste intrinsèque et une tonalité cyanique par rapport au premier plan, le cerveau lui assigne automatiquement un statut de localisation lointaine.

L’interaction entre les flux d’éclairage et les surfaces tridimensionnelles génère une seconde classe cruciale d’indices : la distribution des ombres propres (ombrage ou shading) et des ombres portées (cast shadows). L’ombrage propre fait référence aux variations continues de luminance observées sur la surface d’un objet tridimensionnel courbé. Ces modulations lumineuses obéissent à la loi de Lambert, stipulant que l’intensité de la lumière réfléchie dépend du cosinus de l’angle formé par le vecteur normal à la surface locale et la direction de la source lumineuse incidente. Le système nerveux visuel réalise une opération inverse remarquable appelée shape-from-shading (extraction de la forme à partir de l’ombrage), qui postule par défaut que la source lumineuse principale provient du dessus (le soleil ou le ciel). Ce biais perceptif (« prior d’illumination zénithale ») permet d’interpréter instantanément une zone brillante surmontant une zone sombre comme une convexité (bosse saillante vers l’avant), tandis que la configuration spatiale inverse (zone sombre en haut, zone claire en bas) est comprise comme une concavité (creux s’enfonçant dans le plan).

Les ombres portées, quant à elles, fournissent une information capitale sur la position spatiale relative et l’ancrage gravitationnel des objets. Lorsqu’un objet occulte la lumière d’une source et projette une ombre sombre sur une surface réceptrice (comme le sol), la séparation spatiale entre l’objet et son ombre informe directement le système visuel sur la hauteur métrique de cet objet au-dessus du sol. Un objet dont l’ombre portée est contiguë à sa base est perçu comme reposant fermement sur le plan sous-jacent, tandis qu’un décalage spatial entre l’objet et son ombre induit immédiatement l’illusion visuelle que l’objet flotte dans les airs, la distance de l’ombre au sol dictant la magnitude de l’élévation.

2.3 Indices cinétiques et oculomoteurs unilatéraux

L’un des apports majeurs de l’écologie visuelle a été de démontrer que l’organisme vivant n’est jamais un récepteur optique purement passif et statique. Lors de la locomotion corporelle ou d’un simple mouvement latéral de la tête, le champ d’entrée visuel se transforme en une scène dynamique animée de vitesses vectorielles différenciées. La parallaxe de mouvement constitue l’un des indices monoculaires les plus puissants, capable d’égaler la stéréopsie en termes de finesse discriminative. Découverte d’un point de vue optique par Helmholtz, la parallaxe repose sur le différentiel de vitesse angulaire induit sur la rétine par des objets situés à des profondeurs différentes lorsqu’un observateur se déplace perpendiculairement à son axe de regard.

Considérons un observateur marchant parallèlement à une clôture en fixant un point intermédiaire $F$. Sur le plan géométrique, l’image rétinienne du point fixé $F$ demeure rigoureusement stationnaire au centre de la fovéa. En revanche, les objets situés plus près de l’observateur que le point de fixation $F$ semblent défiler en sens inverse du déplacement de l’observateur, avec une vitesse angulaire d’autant plus élevée qu’ils sont proches. Réciproquement, les objets situés en arrière-plan, au-delà du point $F$, semblent se déplacer dans la même direction que la trajectoire de l’observateur, à une vitesse angulaire qui diminue avec l’éloignement métrique, jusqu’à sembler immobiles à l’horizon. Ce gradient directionnel et cinématique permet au cerveau de calculer avec une précision mathématique la disposition tridimensionnelle des surfaces, même si la scène visuelle est initialement dépourvue de tout indice pictural ou texturé.

À plus large échelle, lors du déplacement vers l’avant (comme la marche, la course ou la conduite d’un véhicule), le système visuel monoculaire exploite le flux optique global, formalisé par Gibson. Ce flux correspond au vecteur de vitesse de chaque élément textural de l’environnement se projetant sur la rétine. Le flux optique diverge radialement à partir d’un point géométrique singulier et immobile appelé le point d’expansion (focus of expansion, FOE), qui coïncide avec la direction immédiate de la trajectoire locomotive. Le taux d’expansion temporelle de la taille angulaire d’un obstacle en approche permet au cerveau de calculer directement la variable dite $tau$ (tau), conceptualisée par David Lee, qui spécifie le temps avant contact (time-to-collision) sans nécessiter de calcul préalable explicite de la distance métrique ou de la vitesse scalaire absolue.

Enfin, sur le plan physiologique unilatéral, l’accommodation cristallinienne intervient comme un indice oculomoteur monoculaire. Pour focaliser une image nette sur la rétine, le muscle ciliaire intraoculaire modifie la tension exercée sur la zonule de Zinn, altérant ainsi le rayon de courbure et la puissance dioptrique du cristallin. Le cortex visuel reçoit une copie d’efférence du signal moteur adressé au muscle ciliaire ainsi que des retours proprioceptifs microscopiques. Toutefois, l’efficacité informative de l’accommodation demeure extrêmement bornée dans l’espace : le système ne réagit que pour des objets localisés à l’intérieur de l’espace proximal (typiquement entre 10 centimètres et 1,5 à 2 mètres). Au-delà de cette frontière, les rayons lumineux incidents deviennent virtuellement parallèles, le cristallin adopte un état de relâchement maximal (accommodation nulle), et l’indice accommodatif perd toute capacité discriminative.

2.4 Corrélats neurophysiologiques du traitement monoculaire

L’extraction et la traduction computationnelle des indices monoculaires de profondeur mobilisent de vastes réseaux corticaux hiérarchisés et interconnectés au sein des deux grandes voies de traitement visuel : la voie ventrale (la voie du « quoi », dédiée à la reconnaissance des formes et des objets) et la voie dorsale (la voie du « où » et du « comment », dévolue à l’analyse spatiale et au guidage de l’action motrice).

Les indices picturaux et géométriques statiques sont initiés dès les premières stations corticales de la voie ventrale. Les neurones de l’aire visuelle primaire (V1) et de l’aire secondaire (V2) possèdent des champs récepteurs sensibles à l’orientation et à la fréquence spatiale des bords lumineux. Au sein de V2, des populations spécialisées de neurones encodent ce que les neurophysiologistes nomment l’appartenance de bord (border ownership). Ces cellules répondent sélectivement à un contour orienté non pas simplement en fonction de ses caractéristiques physiques locales, mais en déterminant quel côté du contour appartient à la surface occultante (la figure) et quel côté appartient au fond continu. Ce calcul précoce constitue le fondement computationnel du traitement de l’interposition et de la détection des jonctions en T.

Plus en aval dans la voie ventrale, les aires visuelles V4 et les subdivisions du cortex temporal inférieur (IT) intègrent les gradients de texture et les signaux de shape-from-shading. Des études d’imagerie par résonance magnétique fonctionnelle (IRMf) et d’électrophysiologie unitaire ont identifié dans le cortex temporal inférieur des neurones accordés à la courbure tridimensionnelle des surfaces, capables d’extraire la volumétrie d’un objet uniquement à partir des gradients de luminance d’ombrage. De même, la perception des scènes spatiales larges et des gradients de perspective linéaire implique de manière privilégiée la parahippocampal place area (PPA) et le cortex rétrosplénial, des régions qui cartographient la géométrie globale de l’environnement environnemental navigable.

Parallèlement, le traitement des indices monoculaires cinétiques dépend massivement de la voie dorsale magnocellulaire. Les signaux dynamiques de la parallaxe de mouvement et du flux optique convergent rapidement vers le complexe visuel temporal moyen (MT/V5) et l’aire temporale supérieure médiane (MST). Les neurones de l’aire MT se distinguent par une sélectivité directionnelle et vélocitaire aiguë, permettant de différencier les vitesses différentielles caractéristiques de la parallaxe. Les neurones de l’aire MST, quant à eux, possèdent des champs récepteurs de très grande taille capables de modéliser des motifs complexes de mouvement rétinien, tels que la divergence radiale (expansion), la convergence et la rotation. Ce réseau calcule en continu l’orientation de notre déplacement corporel par rapport aux amers spatiaux, transformant un flux optique monoculaire dynamique en un plan cartographique tridimensionnel unifié.

3. Vue d’ensemble des indices binoculaires de profondeur

3.1 Disparité rétinienne et fondements de la stéréoscopie

L’apparition de la vision binoculaire stéréoscopique chez les prédateurs vertébrés et tout particulièrement chez les primates marque une transition évolutive vers une précision métrique inégalée dans l’espace de préhension immédiat. Le substrat géométrique fondamental de la stéréoscopie repose sur l’existence d’une disparité spatiale transversale entre les deux rétines. Lorsque nos yeux convergent pour fixer un point précis $F$ dans l’espace tridimensionnel, les axes visuels des deux globes oculaires s’alignent de telle sorte que l’image de $F$ se projette rigoureusement sur le centre de la fovéa de l’œil gauche ($f_G$) et de l’œil droit ($f_D$). Par définition, ces deux zones rétiniennes centrales partagent la même valeur directionnelle et sont dites points rétiniens correspondants.

L’ensemble géométrique de tous les points de l’espace tridimensionnel dont les images se projettent simultanément sur des points correspondants des deux rétines définit une surface curviligne théorique appelée l’horoptère géométrique (ou cercle de Vieth-Müller dans le plan horizontal). Tout objet positionné sur cet horoptère possède une disparité rétinienne nulle : ses images gauche et droite occupent des coordonnées spatiales identiques par rapport aux fovéas respectives, et l’objet est perçu comme une image unique sans dédoublement. Dans la réalité physiologique, cette ligne idéale s’élargit en une enveloppe tridimensionnelle plus épaisse appelée l’aire de fusion de Panum. À l’intérieur de cette zone de tolérance sensorielle, de légers écarts entre les images rétiniennes sont tolérés et fusionnés par le cortex en un percept unique et doté de profondeur stéréoscopique. Si un objet s’écarte excessivement de l’horoptère et franchit les limites de l’aire de Panum, la fusion binoculaire échoue, laissant place à une vision double appelée diplopie physiologique.

La nature de la disparité binoculaire varie selon la position spatiale des objets par rapport à l’horoptère :

• Disparités croisées (crossed disparities) : Lorsqu’un objet $P$ est situé plus près de l’observateur que le point de fixation $F$ (entre l’observateur et l’horoptère), son image se projette sur l’hémirétine temporale de chaque œil (c’est-à-dire vers l’extérieur des fovéas). Si l’on occultait alternativement l’œil gauche puis l’œil droit, l’image de l’objet semblerait se décaler dans la direction opposée à l’œil ouvert (l’image vue par l’œil gauche apparaît à droite, celle vue par l’œil droit apparaît à gauche). Le système visuel interprète ces disparités croisées comme le signal incontestable d’un rapprochement dans l’espace péripersonnel, déclenchant l’impression de saillie vers l’avant.
• Disparités non croisées (uncrossed disparities) : À l’inverse, lorsqu’un objet $Q$ est situé au-delà du point de fixation $F$ (en arrière de l’horoptère), ses rayons lumineux viennent frapper l’hémirétine nasale de chaque œil (vers l’intérieur, du côté du nez). Dans ce cas, l’image perçue par l’œil gauche se trouve à gauche et celle perçue par l’œil droit se trouve à droite. Ces disparités non croisées sont traduites par les réseaux neuronaux comme un enfoncement spatial ou un éloignement par rapport au plan de référence fixé.

La puissance de la disparité rétinienne réside dans son extraordinaire sensibilité différentielle. L’acuité stéréoscopique minimale (le plus petit angle de disparité que le cerveau humain est capable de discerner) atteint chez un sujet sain des valeurs exceptionnellement ténues, de l’ordre de 2 à 5 secondes d’arc (soit une fraction minime de millimètre d’écart spatial projeté sur la mosaïque des photorécepteurs rétiniens). Cette hyperacuité stéréoscopique autorise une appréciation millimétrique des micro-reliefs, des textures de surface et des décalages relatifs entre objets contigus.

3.2 Indices oculomoteurs binoculaires

La stéréopsie géométrique ne saurait fonctionner de manière isolée sans une coordination motrice exemplaire des deux globes oculaires. Contrairement aux mouvements de version (où les deux yeux s’orientent de concert dans la même direction, vers la gauche ou vers la droite), les mouvements de vergence sont des mouvements dysconduits fondamentaux pilotés par la distance de l’objet d’intérêt. On distingue la convergence, rotation simultanée des axes visuels vers l’intérieur (médialement) lorsque la cible se rapproche du nez, et la divergence, rotation des globes oculaires vers l’extérieur (latéralement) pour aligner le regard sur une cible qui s’éloigne.

Ces mouvements micrométriques sont actionnés principalement par les muscles droits internes (médial rectus) innervés par le nerf oculomoteur (paire crânienne III) et les muscles droits externes (lateral rectus) régis par le nerf abducens (paire crânienne VI). Pour que le cerveau déduise une métrique spatiale absolue à partir de l’angle de convergence $\gamma$, il doit accéder à l’état mécanique de cette musculature. Deux sources d’information physiologique concourent à cette prise de conscience proprioceptive inconsciente :

• Les signaux afférents issus des récepteurs mécaniques (fuseaux neuromusculaires et organes tendineux de Golgi) insérés dans les corps et les tendons des muscles extraoculaires, qui mesurent directement le degré d’étirement physique.
• La copie d’efférence (ou décharge corollaire), qui représente une réplique interne du signal de commande motrice envoyée par les centres supranucléaires du tronc cérébral et le cortex moteur vers les noyaux oculomoteurs. Le cerveau compare continuellement la commande envoyée avec le mouvement produit pour trianguler instantanément la position de l’objet.

Sur le plan géométrique, l’angle de vergence $\gamma$ forme la base d’un triangle isocèle dont les deux côtés sont les axes visuels et la base est la distance interpupillaire $b$. Par simple relation trigonométrique, la distance métrique absolue $D$ s’exprime par $D \approx b / \gamma$ (pour de faibles valeurs d’angles exprimées en radians). Cependant, à l’instar de l’accommodation cristallinienne, l’efficacité informative de la convergence oculaire s’éteint rapidement avec la distance. Elle fournit un calibrage métrique d’une précision remarquable à l’intérieur de l’espace péripersonnel (entre 20 centimètres et 1,5 à 2 mètres), mais devient quasiment inopérante au-delà de 3 à 5 mètres, seuil à partir duquel les axes visuels deviennent rigoureusement parallèles et l’angle de vergence asymptotiquement nul.

3.3 Réseaux neuronaux et intégration stéréoscopique

L’intégration de la disparité binoculaire constitue l’un des chapitres les plus élégamment cartographiés de l’électrophysiologie corticale moderne, initié par les travaux pionniers de David Hubel et Torsten Wiesel sur le cortex strié du chat et du primate. Alors que les neurones du corps genouillé latéral reçoivent des signaux strictement ségrégués provenant de l’œil controlatéral ou homolatéral, c’est au niveau des couches IV-B, II et III du cortex visuel primaire (V1) que s’opère la première convergence synaptique des afférences monoculaires sur des neurones binoculaires uniques.

Ces neurones possèdent deux champs récepteurs distincts, l’un situé sur la rétine gauche, l’autre sur la rétine droite. Ces champs ne sont pas de simples copies conformes : ils présentent un décalage spatial horizontal ou une différence de sous-structure de phase. Selon le modèle computationnel standard de disparité (le modèle d’énergie de disparité développé par Ohzawa, DeAngelis et Freeman), un neurone binoculaire calcule la somme linéaire des réponses des deux yeux suivie d’une rectification non linéaire. Il répond avec une fréquence de décharge maximale uniquement lorsqu’un stimulus visuel présente une disparité rétinienne spécifique qui compense exactement l’écart géométrique de ses champs récepteurs.

Les neurobiologistes ont identifié plusieurs classes fonctionnelles de cellules sensibles à la profondeur au sein de V1, V2, V3 et V3A :

• Les neurones Tuned Excitatory (accordés excitateurs), qui déchargent vivement pour des disparités proches de zéro (objets localisés directement sur ou à proximité immédiate de l’horoptère) et participent activement à la fusion stéréoscopique fine.
• Les neurones Tuned Inhibitory (accordés inhibiteurs), qui sont réprimés par une disparité nulle mais s’activent lorsque le stimulus s’écarte de l’horoptère.
• Les neurones Near (proches), dont l’activité tonique s’élève substantiellement pour des disparités croisées (signalant des objets en saillie dans l’espace proximal).
• Les neurones Far (lointains), qui répondent exclusivement à des disparités non croisées (encodant l’espace situé en retrait du plan de fixation).

À partir des aires visuelles précoces, l’information stéréoscopique se ramifie pour irriguer les deux voies de traitement cortical. Dans la voie dorsale, la disparité est acheminée vers les aires pariétales postérieures, notamment l’aire intrapariétale caudale (CIP) et l’aire intrapariétale antérieure (AIP). Ces structures utilisent la disparité rétinienne absolue et relative pour guider dynamiquement la biomécanique de la main, calibrer l’ouverture de la pince digitale lors de la préhension d’un objet et ajuster la trajectoire motrice en temps réel. Dans la voie ventrale, les signaux transitent par V4 vers les aires inférotemporales pour extraire la morphologie tridimensionnelle intrinsèque des objets, indépendamment de leur position spatiale par rapport au corps de l’observateur.

Que se produit-il enfin lorsque les deux yeux reçoivent des images tellement hétérogènes qu’aucune correspondance géométrique n’est réalisable (par exemple, des rayures horizontales présentées à l’œil gauche et des rayures verticales à l’œil droit) ? La stéréopsie échoue et cède le pas au phénomène spectaculaire de la rivalité binoculaire (binocular rivalry). Le cortex visuel refuse la superposition chaotique des deux stimuli incompatibles : le percept oscille spontanément dans le temps, accordant alternativement la dominance perceptive à l’œil gauche, puis à l’œil droit, par le jeu d’inhibitions réciproques interoculaires régulées par les neurotransmetteurs GABAergiques au sein des colonnes de dominance oculaire de V1.

4. Différences clés entre indices monoculaires et binoculaires

L’analyse comparée des indices monoculaires et binoculaires met en lumière deux stratégies évolutives divergentes et remarquablement complémentaires pour appréhender la géométrie spatiale. Afin d’offrir une vision synthétique des caractéristiques propres à chaque paradigme sensoriel, le tableau analytique ci-dessous résume leurs propriétés physiques, physiologiques, opérationnelles et cliniques majeures.

Dimension d’analyse	Indices monoculaires	Indices binoculaires
Substrat anatomique requis	Un seul œil fonctionnel (rétine unilatérale et cortex récepteur).	Deux yeux fonctionnels parfaitement alignés et synchronisés.
Signal physique primaire	Gradients de luminance, contrastes, géométrie projective, vitesse angulaire de déplacement.	Disparité angulaire transversale rétinienne (écart horizontal entre les deux projections).
Indices moteurs associés	Accommodation du cristallin (muscle ciliaire).	Convergence et divergence oculaire (muscles droits internes et externes).
Portée spatiale opérationnelle	Universelle : du champ proximal immédiat jusqu’à l’infini optique (échelle kilométrique).	Restreinte : ultra-précise de 0 à 2 mètres, décroissance rapide au-delà, négligeable après 10 mètres.
Métrique délivrée	Majoritairement relative et ordinale (sauf si couplée à la taille familière ou au flux optique).	Métrique absolue fine dans l’espace péripersonnel (par triangulation avec la convergence).
Sensibilité à la distance physique ($D$)	Décroissance linéaire ou logarithmique des signaux de taille et de texture ($1/D$).	Dégradation mathématique quadratique proportionnelle à l’inverse du carré de la distance ($1/D^2$).
Résolution spatiale / seuil	Moyenne à élevée pour l’ordonnancement, tributaire de la résolution angulaire de la rétine.	Hyperacuité stéréoscopique extrême (seuil de discrimination descendant sous 5 secondes d’arc).
Conditions d’illumination	Nécessite des textures et des contours visibles ; inopérant dans l’obscurité ou face à des surfaces unies.	Opérant dès la présence de points lumineux isolés ; résistant à l’absence de forme préalable.
Période critique de développement	Étendue, robuste, apprentissage perceptif et calibrage cognitif tout au long de la vie.	Stricte et précoce (maturation synaptique critique avant l’âge de 6 à 8 ans).
Vulnérabilité pathologique	Très faible : conservation intacte en cas d’énucléation, de strabisme ou d’amblyopie unilatérale.	Très élevée : abolition définitive en cas de strabisme précoce, d’anisométropie non corrigée ou d’atteinte unilatérale.

4.1 Architecture physiologique et dépendance anatomique

La distinction la plus irréductible entre indices monoculaires et binoculaires réside dans leur niveau de dépendance envers l’intégrité anatomique périphérique et centrale. Les indices monoculaires bénéficient d’une redondance et d’une résilience structurelle exceptionnelles. Puisqu’ils reposent sur des lois d’optique physique, des gradients photométriques ou des invariants cinématiques universels, leur extraction demeure opérationnelle à partir de n’importe quel capteur unilatéral en état de fonctionnement. Même si un individu venait à perdre un œil, les mécanismes de perspective linéaire, d’interposition, de parallaxe et d’analyse des ombres continueraient d’alimenter le cortex sans rupture conceptuelle.

En contrepartie absolue, la stéréopsie binoculaire exige une chaîne de transmission d’une rigidité sans faille. Elle requiert la coexistence de deux globes oculaires dotés d’acuités visuelles comparables (isométropie fonctionnelle), d’une motricité oculaire micrométrique rigoureusement conjuguée, et d’une ségrégation parfaite des axones ganglionnaires au niveau du chiasma optique (où les fibres issues des hémirétines nasales décussent vers l’hémisphère cérébral opposé tandis que les fibres temporales demeurent homolatérales). Si les axes visuels dévient même de quelques degrés (strabisme) ou si l’un des yeux transmet un signal flou en raison d’un vice de réfraction majeur (hypermétropie ou astigmatisme asymétrique non corrigé), le cerveau est incapable d’établir les correspondances rétiniennes point par point.

Cette vulnérabilité anatomique est intrinsèquement liée à l’existence d’une période critique neuro-développementale hautement contraignante, conceptualisée par Hubel et Wiesel. Chez l’être humain, les circuits corticaux de V1 et V2 responsables de la stéréopsie s’établissent principalement au cours des premiers mois de vie et conservent une certaine plasticité jusqu’à l’âge de 6 à 8 ans environ. Si une anomalie binoculaire (comme une cataracte congénitale unilatérale ou un strabisme convergent précoce) n’est pas corrigée chirurgicalement et optiquement au cours de cette fenêtre temporelle étroite, les neurones binoculaires perdent définitivement leurs connexions fonctionnelles avec l’œil déficient au profit de l’œil sain, induisant une amblyopie et une stéréo-cécité (incapacité irréversible à percevoir la profondeur par disparité rétinienne), même si la vision des deux yeux venait à être rétablie à l’âge adulte.

4.2 Portée spatiale et métrique opérationnelle

L’efficacité comparée des indices monoculaires et binoculaires se structure de manière hiérarchique en fonction de l’éloignement physique de la scène observée, délimitant des domaines d’expertise spatiale nettement différenciés. Les travaux classiques de Cutting et Vishton (1995) segmentent l’espace d’action humain en trois zones concentriques : l’espace personnel (ou péripersonnel, situé à portée de bras, typiquement inférieur à 2 mètres), l’espace d’action (de 2 mètres à environ 30 mètres, zone où nous nous déplaçons et interagissons socialement) et l’espace vista (au-delà de 30 mètres, s’étendant jusqu’à l’horizon visuel).

La stéréopsie binoculaire exerce une suprématie incontestée au sein de l’espace personnel proximal. La formule géométrique régissant la disparité angulaire $\delta$ (exprimée en radians) induite par une différence de profondeur $\Delta D$ entre un point de fixation situé à une distance $D$ et un objet cible est donnée par :
$$\delta \approx \frac{b \cdot \Delta D}{D^2}$$
où $b$ représente la distance interpupillaire. L’enseignement capital de cette formulation mathématique réside dans son dénominateur : la disparité rétinienne disponible décroît proportionnellement au carré de la distance d’observation ($D^2$). Par conséquent, si un écart de profondeur $\Delta D$ de 1 centimètre produit une disparité angulaire massive de plusieurs minutes d’arc à une distance d’observation de 40 centimètres, cette même variation physique de 1 centimètre ne produit plus qu’une disparité infinitésimale et indétectable de quelques fractions de seconde d’arc dès que l’observateur se recule à 10 mètres. Au-delà d’une distance critique estimée entre 15 et 30 mètres pour les acuités stéréoscopiques les plus aiguisées, la disparité binoculaire s’effondre en dessous du seuil de détection biologique, devenant rigoureusement nulle.

C’est précisément à cette jonction que les indices monoculaires s’imposent de manière souveraine. Dès lors que l’on bascule dans l’espace d’action lointain et l’espace vista, l’ordonnancement de l’environnement dépend quasi exclusivement de l’interposition, de la perspective linéaire, de la hauteur relative par rapport à la ligne d’horizon et de la perspective atmosphérique. Sur des distances kilométriques, la disparité binoculaire est totalement aveugle ; seule la physique de diffusion de l’atmosphère et les convergences géométriques monoculaires permettent à l’esprit humain de saisir l’immensité d’une chaîne montagneuse ou l’éloignement d’une nappe maritime.

4.3 Nature géométrique et absolue versus relative

Une divergence épistémologique cruciale entre ces deux modes d’appréhension de la profondeur réside dans le statut métrique de l’information délivrée : le cerveau extrait-il une coordonnée spatiale absolue ou une simple modulation relative ?

Les indices picturaux monoculaires statiques (interposition, gradient de texture, perspective linéaire) fournissent majoritairement des indices de profondeur relative ou d’ordonnancement ordinal. L’interposition nous signale sans équivoque que la surface $A$ précède la surface $B$, mais elle est incapable, par essence géométrique, d’indiquer si la distance séparant $A$ de $B$ est de 5 millimètres ou de 500 mètres. De même, un gradient de texture nous informe avec précision sur l’angle d’inclinaison relative d’un plan par rapport à notre axe de regard, mais non sur la distance métrique absolue séparant ce plan de notre corps. L’obtention d’une métrique spatiale absolue à partir de la vision monoculaire statique exige obligatoirement l’injection d’un étalon mnésique de référence via l’indice de taille familière, un processus cognitif indirect et susceptible de défaillances contextuelles.

À l’inverse, le couplage de la disparité binoculaire avec l’angle de vergence oculaire constitue un système télémétrique intrinsèque capable de délivrer une métrique spatiale absolue directe. La disparité rétinienne brute $\delta$ est en elle-même relative (elle spécifie un différentiel angulaire entre deux points). Mais dès lors que le système nerveux central multiplie cette disparité par le signal oculomoteur absolu de la convergence oculaire (qui mesure la distance absolue $D$ du point de fixation), il obtient une valeur quantitative exacte de la distance métrique $\Delta D$ en millimètres. C’est cette opération de triangulation géométrique qui confère à la vision binoculaire sa suprématie pour les actions motrices requérant une précision chirurgicale immédiate, sans nécessiter d’ajustements par approximations successives.

Sur le plan de la dynamique temporelle, l’extraction de ces signaux présente également des caractéristiques différentielles. La stéréopsie fine exige une intégration temporelle substantielle pour résoudre le problème de correspondance entre les myriades de détails des deux images rétiniennes (temps de traitement cortical moyen compris entre 100 et 200 millisecondes). En revanche, la détection des jonctions d’occlusion monoculaires ou des bordures de silhouette s’opère de manière quasi instantanée au sein des couches d’alimentation rapide de la voie magnocellulaire et parvocellulaire.

4.4 Résilience sensorielle et vulnérabilité clinique

L’évaluation comparative de ces mécanismes prend tout son relief lorsqu’on examine la résilience du système face aux traumatismes et aux déficits sensoriels survenus au cours de la vie adulte. La perte brutale d’un œil (par énucléation traumatique, décollement rétinien massif ou occlusion de l’artère centrale de la rétine) anéantit instantanément et définitivement l’ensemble des indices binoculaires : la disparité rétinienne et la vergence oculaire s’éteignent sans espoir de récupération périphérique.

Dans les premières heures et semaines suivant la perte de la vision binoculaire, les patients décrivent une gêne fonctionnelle considérable, localisée quasi exclusivement dans leur espace d’action proximal : difficultés pour verser de l’eau dans un verre sans déborder, maladresse lors de la préhension rapide d’objets fins, appréhension lors de la descente d’escaliers. Ce déficit temporaire illustre le rôle critique de la stéréopsie dans le contrôle moteur fin en boucle fermée.

Cependant, le pronostic à long terme met en évidence l’extraordinaire plasticité comportementale et cognitive permise par la robustesse des indices monoculaires. En l’espace de quelques mois, les sujets devenus monoculaires développent des stratégies motrices compensatoires hautement stéréotypées. La plus spectaculaire consiste en une augmentation significative de l’amplitude et de la fréquence des micromouvements exploratoires de la tête (mouvements de translation latérale et antéro-postérieure). Par ces mouvements céphaliques actifs, l’observateur génère artificiellement une parallaxe de mouvement monoculaire dynamique continue, dont le signal compense presque point par point l’absence de disparité binoculaire géométrique. Couplée à une attention accrue portée aux ombres portées, aux hauteurs relatives et aux gradients de texture, cette réorganisation sensorielle permet à la grande majorité des individus borgnes de retrouver une autonomie totale, incluant la navigation spatiale complexe, la conduite automobile et la pratique de sports de précision.

5. Similitudes et intégration multisensorielle

5.1 Convergence vers un percept tridimensionnel unifié

Bien que la taxonomie scientifique oppose classiquement vision monoculaire et vision binoculaire pour les besoins de l’expérimentation, l’expérience phénoménologique vécue par un observateur valide ne présente aucune division schizophrénique. Nous n’avons pas la perception d’une image monoculaire d’un côté et d’une image stéréoscopique de l’autre : le cortex visuel unifie instantanément cette polyphonie de signaux en un percept tridimensionnel unifié, stable et géométriquement cohérent. Ce miracle computationnel de la synthèse visuelle relève de l’intégration sensorielle multisensorielle, modélisée avec succès par les théories de la fusion d’indices (cue integration) fondées sur le cadre de l’estimation bayésienne optimale et le principe du maximum de vraisemblance (Maximum Likelihood Estimation, MLE).

Selon le paradigme formalisé notamment par Ernst et Banks (2002) et Landy et al. (1995), chaque indice de profondeur $i$ (qu’il soit la disparité binoculaire, la parallaxe de mouvement, un gradient de texture ou la perspective linéaire) génère une estimation interne indépendante de la distance ou de l’orientation de surface, notée $\hat{S}_i$, entachée d’une certaine incertitude gaussienne caractérisée par une variance $\sigma_i^2$. La variance mesure la non-fiabilité du signal : plus le signal est bruité, ambigu ou distant, plus sa variance est élevée. L’estimateur combiné optimal $\hat{S}$, qui minimise la variance totale du percept final, est calculé par une somme pondérée linéaire de chaque estimation isolée :
$$\hat{S} = \sum_{i} w_i \hat{S}_i \quad \text{a\vec} \quad w_i = \frac{1/\sigma_i^2}{\sum_j 1/\sigma_j^2}$$

Le poids synaptique $w_i$ alloué par le cerveau à un indice particulier est donc strictement proportionnel à sa fiabilité relative dans le contexte écologique donné. Dans l’espace proximal immédiat, sur un objet richement texturé situé à 40 centimètres, la variance de la disparité binoculaire est infinitésimale par rapport à celle des indices picturaux ; le cortex pariétal accorde alors un poids écrasant (par exemple 85 %) à la stéréopsie binoculaire. En revanche, si la scène représente un paysage brumeux situé à 50 mètres où les disparités binoculaires tombent sous le seuil du bruit neuronal biologique, la variance stéréoscopique tend vers l’infini : son poids $w$ s’effondre vers zéro au profit exclusif de la perspective atmosphérique et de l’interposition.

Cette pondération bayésienne dynamique élimine les ambiguïtés perceptives par recoupement trans-modal. Lorsqu’un indice pris isolément est intrinsèquement équivoque (par exemple, un contour pouvant correspondre à une feuille plate inclinée ou à un volume courbé), la mise en résonance synaptique avec un second indice disponible (une ombre portée ou une infime disparité) lève instantanément la dégénérescence du problème inverse, forçant le système visuel à adopter la solution spatiale la plus probable.

5.2 Sensibilité partagée aux illusions d’optique

L’universalité des règles géométriques régissant l’inférence spatiale se manifeste de manière spectaculaire à travers les illusions d’optique tridimensionnelles. Ces distorsions démontrent que le cerveau n’enregistre pas la réalité telle qu’elle est, mais applique des heuristiques probabilistes rigides qui, lorsqu’elles sont confrontées à des configurations environnementales artificiellement piégées, conduisent à des erreurs d’interprétation massives et incontournables.

L’illustration la plus emblématique de la domination forcée des indices monoculaires picturaux sur l’évaluation des dimensions physiques est incarnée par la célèbre chambre d’Ames, conçue par l’ophtalmologiste américain Adelbert Ames Jr. en 1946. Vue à travers un œilleton d’observation monoculaire depuis un point de vue fixe, cette pièce semble afficher une architecture parallélépipédique parfaitement conventionnelle, dotée de murs rectangulaires verticaux, d’un plafond parallèle au sol et de fenêtres régulières. En réalité, la pièce est construite selon une géométrie trapézoïdale violemment anamorphique : le coin gauche est situé deux fois plus loin de l’observateur que le coin droit, le sol est incliné et les fenêtres sont de faux trapèzes conçus pour projeter sur la rétine la même image perspective qu’un rectangle régulier. Lorsqu’un observateur regarde deux individus de même taille debout dans chaque coin, son cerveau se refuse catégoriquement à interpréter les lignes convergentes du décor comme une anamorphose biscornue (un prior architectural puissant postule que les pièces habitables ont des angles droits et des sols horizontaux). En maintenant cette illusion de perspective linéaire et de texture, le système visuel est forcé, par cohérence géométrique interne, d’attribuer la divergence d’angle visuel des corps à une disproportion physique colossale : l’individu situé dans le coin éloigné est perçu comme un nain miniature, tandis que celui situé dans le coin proche apparaît comme un géant démesuré. Dès que l’observateur utilise ses deux yeux pour regarder la chambre d’Ames sans œilleton, la disparité binoculaire injecte la vraie métrique spatiale, révélant immédiatement l’oblicité réelle des murs et détruisant instantanément l’illusion de taille des protagonistes.

À l’autre extrémité du spectre, les stéréogrammes à points aléatoires (Random-Dot Stereograms, RDS), inventés par Béla Julesz en 1960, établissent la démonstration inverse : l’autonomie et la souveraineté complètes de la disparité binoculaire en l’absence totale du moindre indice monoculaire. Un stéréogramme de Julesz est composé de deux matrices planes apparemment constituées d’un fouillis chaotique de points noirs et blancs distribués de manière aléatoire. Vue de manière monoculaire, aucune forme, aucun contour, aucun indice d’ombrage ou de texture signifiant n’est perceptible : l’image ne ressemble qu’à du bruit de neige télévisuelle. Cependant, une région carrée centrale a été découpée et décalée horizontalement de quelques pixels dans l’une des deux images avant d’être masquée par de nouveaux points aléatoires. Lorsqu’un observateur fusionne stéréoscopiquement ces deux images (au moyen d’un stéréoscope, de filtres anaglyphes ou d’un strabisme volontaire), un carré tridimensionnel parfait se détache en saillie saisissante au-dessus du plan de fond. Cette découverte historique a révolutionné les neurosciences visuelles en prouvant que la stéréopsie précoce (dite « stéréopsie cyclopéenne ») n’exige pas que la reconnaissance d’objet ou la détection de formes monoculaires soit préalablement achevée pour extraire la profondeur : le calcul de la disparité binoculaire peut s’opérer directement à l’échelle des luminances locales.

Une pathologie fonctionnelle partagée de cette machinerie multisensorielle réside enfin dans le conflit vergence-accommodation (Vergence-Accommodation Conflict, VAC). Dans l’environnement naturel, la vergence oculaire et l’accommodation cristallinienne sont couplées de façon syncinétique indissociable : lorsqu’un objet se rapproche de 5 mètres à 30 centimètres, les yeux convergent obligatoirement et le cristallin accommode de manière proportionnelle synchrone. Dans les affichages stéréoscopiques artificiels (casques de réalité virtuelle, cinéma 3D), cette synchronisation millénaire est rompue : les yeux doivent accommoder en permanence sur la dalle optique fixe (située par exemple à 1,5 mètre) pour maintenir l’image nette, tout en convergeant ou divergeant à des distances continuellement changeantes en fonction des disparités virtuelles simulées. Ce conflit intersensoriel non physiologique induit une fatigue cognitive rapide, des céphalées frontales et un syndrome d’asthénopie visuelle aigu.

6. Champs d’application et pertinence contextuelle

6.1 Milieux artistiques, conception graphique et représentations planes

L’histoire des arts visuels et du graphisme bidimensionnel constitue, d’un point de vue cognitif, une exploration expérimentale empirique des indices monoculaires de profondeur. Dès lors qu’un peintre pose un pinceau sur une toile ou qu’un dessinateur trace une esquisse sur une feuille de papier, ils sont prisonniers de la planéité physique intrinsèque de leur support. Par définition, un tableau de peinture possède une disparité binoculaire plate : les deux rétines de l’observateur convergent sur la surface de la toile et enregistrent une disparité stéréoscopique strictement nulle pour l’ensemble des pigments déposés. Par conséquent, pour créer l’illusion d’une profondeur immersive, l’artiste n’a d’autre choix que d’activer puissamment et exclusivement les indices monoculaires picturaux.

La Renaissance italienne a opéré une formalisation mathématique sans précédent de la perspective linéaire géométrique. Les maîtres tels que Piero della Francesca, Paolo Uccello ou Andrea Mantegna ont exploité des réseaux rigides de fuyantes géométriques convergeant vers un point de fuite unique, imposant au spectateur un point d’observation idéal pour maximiser l’effet de profondeur. Pour masquer la planéité du support, les artistes ont perfectionné des techniques optiques raffinées : le sfumato développé par Léonard de Vinci atténue volontairement la netteté des contours et adoucit les transitions tonales pour émuler la perspective atmosphérique et la diffusion de la lumière dans l’air. Le chiaroscuro (clair-obscur), magnifié par Le Caravage et Rembrandt, sculpte les volumes anatomiques par de violents contrastes d’ombrage propre et d’ombres portées dramatiques, déclenchant instantanément l’algorithme cortical de forme par ombrage (shape-from-shading).

Dans les arts décoratifs, le trompe-l’œil et l’anamorphose poussent cette manipulation monoculaire à ses limites extrêmes. Les plafonds en voûte peints de la Renaissance et de l’âge baroque, à l’instar de la spectaculaire fresque d’Andrea Pozzo en l’église Saint-Ignace de Rome, simulent une architecture grandiose s’élevant vers le ciel. Toutefois, ces créations picturales reposent sur une fragilité perceptive inhérente : l’illusion spatiale est maximale lorsque l’observateur contemple l’œuvre d’un œil unique depuis un point de repère géométriquement précis dans la nef. Dès que le spectateur se déplace latéralement ou regarde la voûte avec ses deux yeux en vision binoculaire, la disparité stéréoscopique réelle de la pierre et l’absence de parallaxe de mouvement brisent immédiatement l’artifice, révélant la courbure concave du plafond réel.

Dans la photographie et le cinéma moderne, la maîtrise de la profondeur monoculaire s’articule autour de la distance focale des objectifs et de la profondeur de champ optique. En optant pour de très grandes ouvertures de diaphragme (induisant une faible profondeur de champ), le directeur de la photographie génère un flou d’arrière-plan esthétique (le bokeh) qui détoure chirurgicalement le visage de l’acteur par rapport au fond flou. Ce gradient de netteté/défocalisation agit comme un indice monoculaire puissant d’interposition et de focalisation sélective, guidant l’attention cognitive du spectateur au sein de la narration spatiale.

6.2 Motricité fine, ergonomie et chirurgie de haute précision

Si la contemplation contemplative d’un paysage ou d’un tableau peut s’accommoder d’une vision purement monoculaire, le règne de la motricité fine interactive requiert une synergie stéréoscopique de tous les instants. Dès que l’être humain engage son corps dans une action de micromanipulation proximale, la vision binoculaire cesse d’être un simple agrément perceptif pour devenir un organe de contrôle biomécanique essentiel en boucle fermée.

L’impact de la vision stéréoscopique sur la performance motrice fine a été documenté avec une rigueur absolue dans les domaines de l’ophtalmologie chirurgicale, de la neurochirurgie et de la microchirurgie reconstructive. L’insertion d’un fil de suture microscopique d’un diamètre inférieur à celui d’un cheveu (fils de suture 10-0 ou 11-0 de 20 micromètres de diamètre) à travers les berges d’une incision cornéenne ou lors d’une anastomose vasculaire cérébrale exige une appréciation tridimensionnelle dont la marge d’erreur tolérée est inférieure au quart de millimètre. Les études de chirurgie expérimentale mesurant les temps d’exécution et les taux d’erreur démontrent sans équivoque qu’un praticien privé de vision binoculaire (occlusion expérimentale d’un œil ou stéréo-cécité pathologique) voit son temps opératoire augmenter de 30 à 60 % pour des gestes de micro-dissection, avec un accroissement statistiquement alarmant des mouvements parasites, des échecs d’engagement d’aiguille et des lacérations tissulaires iatrogènes involontaires.

Cette réalité clinique a dicté l’évolution technologique des systèmes de visualisation en chirurgie laparoscopique et robot-assistée (tels que le système chirurgical da Vinci). Pendant des décennies, la laparoscopie conventionnelle imposait au chirurgien de manipuler des instruments articulés rigides à l’intérieur de la cavité abdominale du patient en observant la scène opératoire sur un écran de télévision bidimensionnel classique. Le chirurgien devait alors rééduquer son cortex pour déduire la profondeur spatiale uniquement à partir d’indices monoculaires de substitution : la déformation élastique des tissus lors du contact mécanique, les ombres portées générées par la source lumineuse endoscopique et la parallaxe cinétique induite par le va-et-vient des pinces. L’avènement de l’endoscopie stéréoscopique 3D haute définition, couplée à des consoles chirurgicales immersives projetant des images dédiées distinctes à chaque œil du chirurgien, a restauré une stéréopsie immersive fine. Cette avancée technique a permis de diviser drastiquement la courbe d’apprentissage des jeunes internes, d’optimiser la précision cinématique des dissections oncologiques pelviennes complexes et de réduire substantiellement la fatigue neuromusculaire des opérateurs lors des interventions de longue durée.

Dans l’ergonomie industrielle et quotidienne, les gestes d’insertion mécanique, d’embrochage, de préhension en vol ou de vissage de composants électroniques miniatures reposent sur cette coordination œil-main optimisée par la stéréoscopie. La vergence et la disparité rétinienne informent le cortex prémoteur de la décélération précise requise au moment où les doigts rencontrent l’objet, évitant l’impact brutal ou le tâtonnement hésitant caractéristiques de la saisie monoculaire.

6.3 Réalité virtuelle, vision artificielle et robotique

L’explosion contemporaine des technologies immersives (réalité virtuelle, VR ; réalité augmentée, AR ; réalité mixte, MR) et des systèmes autonomes d’intelligence artificielle constitue le creuset d’application le plus vibrant de la dialectique monoculaire-binoculaire.

Dans un casque de réalité virtuelle (HMD, Head-Mounted Display), l’illusion de présence spatiale (la sensation d’être physiquement situé à l’intérieur du monde synthétique) repose sur une émulation conjointe des indices binoculaires et cinétiques. Le moteur de rendu graphique calcule en temps réel deux caméras virtuelles dont l’écartement spatial inter-axes correspond exactement à la distance interpupillaire mesurée de l’utilisateur. Chaque écran individuel (ou demi-écran partitionné) reçoit un flux visuel présentant des disparités géométriques croisées et non croisées calculées à partir du moteur physique tridimensionnel de la scène. Simultanément, des centrales inertielles et des systèmes de capteurs optiques externes suivent les déplacements céphaliques dans les 6 degrés de liberté (6-DoF, Degrees of Freedom) avec une latence ultra-faible (inférieure à 20 millisecondes dite motion-to-photon latency). Cette synchronisation absolue génère une parallaxe de mouvement monoculaire dynamique parfaite, éliminant le mal de réalité virtuelle (cybersickness) et amplifiant l’impression de relief de concert avec la stéréopsie.

Pour contourner le lancinant conflit vergence-accommodation évoqué précédemment, les laboratoires d’ingénierie optique de pointe conçoivent actuellement des dispositifs de nouvelle génération dits varifocaux ou à champ de lumière (light field displays). Ces systèmes intègrent des traqueurs de regard (eye-tracking) infrarouges capables de localiser en temps réel le pixel exact où converge le regard de l’utilisateur. Des lentilles à focale liquide déformable réajustent mécaniquement la distance focale de la dalle en quelques millisecondes, forçant le muscle ciliaire de l’utilisateur à accommoder de façon synchronisée avec sa vergence oculaire, restaurant ainsi la cohérence physiologique millénaire du réflexe syncinétique naturel.

Dans les domaines de la vision artificielle et de la robotique autonome (véhicules autonomes, drones civils et robots industriels), les ingénieurs se sont heurtés au même dilemme computationnel que la nature. Deux écoles d’architecture coexistent et se complètent :

• La stéréovision artificielle passive : En disposant deux caméras calibrées sur un châssis rigide séparées d’une distance de base $B$, le système calcule une carte de disparité dense (disparity map) par mise en correspondance de blocs de pixels ou par réseaux de neurones siamois profonds. Les coordonnées spatiales $(X, Y, Z)$ des obstacles sont déduites par triangulation géométrique directe. Cette méthode offre une métrique métrologique rigoureuse mais souffre de deux faiblesses écologiques : un coût de calcul computationnel colossal et une inefficacité totale face à des surfaces parfaitement lisses dépourvues de texture (murs blancs, sols uniformes) ou en présence de brume épaisse.
• L’estimation monoculaire de profondeur (Monocular Depth Estimation, MDE) : Grâce aux avancées prodigieuses des réseaux de neurones convolutifs (CNN) et des architectures de type Vision Transformers (ViT), les algorithmes modernes sont désormais capables d’extraire une carte de profondeur relative très dense à partir d’une caméra monoculaire unique. L’intelligence artificielle a appris, au cours d’entraînements massifs sur des millions d’images réelles, à identifier de manière autonome les indices monoculaires de notre environnement : rétrécissement des perspectives de route, dégradé des textures d’asphalte, ombres de véhicules, silhouettes de piétons masquant les arrière-plans et gradients de netteté.

Sur les véhicules autonomes de dernière génération, la sécurité critique impose une fusion capteur redondante (sensor fusion) : la vision monoculaire par réseaux profonds alimente la compréhension sémantique de la scène et la détection d’obstacles lointains, tandis que les caméras de stéréovision binoculaire, couplées à des capteurs actifs de télémétrie laser (LiDAR), sécurisent l’espace proximal d’urgence par une triangulation absolue exempte de tout biais d’interprétation statistique.

7. Foire aux questions

7.1 Une personne malvoyante d’un œil peut-elle conduire sans danger ?

D’un point de vue légal et fonctionnel dans la majorité des juridictions occidentales (notamment en France et dans l’Union européenne), la perte de la vision d’un œil (monophtalmie acquise ou amblyopie fonctionnelle unilatérale sévère) n’interdit absolument pas la conduite de véhicules légers à usage personnel (permis de catégorie B). La réglementation médicale routière exige traditionnellement que l’œil sain unique possède une acuité visuelle minimale (généralement égale ou supérieure à 5/10e d’échelle de Snellen après correction optique éventuelle) et un champ visuel horizontal continu et étendu (au minimum 120 degrés, sans déficit absolu dans les 20 degrés centraux).

Sur le plan de la sécurité biomécanique réelle, une personne devenue monoculaire est parfaitement capable d’estimer avec précision les distances de freinage, le positionnement de son véhicule dans la voie de circulation et la vitesse d’approche des autres usagers de la route. Cette compétence découle de la prépondérance écrasante des indices monoculaires cinétiques et picturaux dans les conditions dynamiques de conduite automobile. À des vitesses courantes (50, 80 ou 130 km/h) et à des distances d’observation supérieures à 10 ou 20 mètres, la disparité binoculaire stéréoscopique est rigoureusement nulle et ne joue aucun rôle préventif, même pour un conducteur doté d’une vision binoculaire parfaite. L’évaluation spatiale routière repose entièrement sur le flux optique d’expansion, la parallaxe de mouvement induite par le défilement du décor, l’interposition entre carrosseries et l’indice de taille familière des automobiles environnantes.

Néanmoins, une période d’adaptation neurologique incompressible de plusieurs semaines à plusieurs mois (généralement fixée à un délai d’au moins six mois par les commissions médicales d’aptitude après la perte brutale d’un œil) est impérativement requise avant toute reprise de la conduite. Ce temps est indispensable pour que le cerveau du nouveau sujet monoculaire automatise des mouvements de balayage céphalique compensatoires, destinés à combler le rétrécissement physiologique du champ visuel périphérique du côté de l’œil énucléé (amputation d’environ 30 à 40 degrés du secteur nasal) et à calibrer la prise d’information cinématique unilatérale.

7.2 Pourquoi la 3D au cinéma provoque-t-elle parfois des maux de tête ?

L’apparition de céphalées, d’élancements oculaires, de nausées légères et d’une fatigue visuelle aiguë (asthénopie) lors du visionnage d’un film en projection 3D au cinéma trouve son explication dans une discordance physiologique majeure appelée le conflit vergence-accommodation (ou découplage optique stéréoscopique).

Dans la vision naturelle, l’appareil visuel obéit à une synergie neurologique automatique rigide appelée la syncinésie accommodation-convergence : les influx nerveux régissant la mise au point du cristallin et la rotation des muscles droits internes sont étroitement liés au niveau des noyaux du tronc cérébral. Si vos yeux convergent vers un point situé à 1 mètre de vous, vos cristallins reçoivent automatiquement l’ordre d’accommoder d’une puissance dioptrique de 1 dioptrie pour maintenir la scène nette.

Au cinéma stéréoscopique équipé de lunettes polarisantes ou actives, cette harmonie physiologique séculaire est violemment violée :

• D’une part, l’accommodation cristallinienne doit impérativement rester fixe et bloquée sur la distance physique réelle séparant vos yeux de la toile de projection blanche (par exemple, 15 mètres dans une grande salle, soit une accommodation quasi nulle de 0,06 dioptrie). Si vos cristallins modifient leur courbure, l’image projetée sur l’écran devient immédiatement floue.
• D’autre part, les lunettes projettent sur vos rétines des paires d’images présentant des disparités stéréoscopiques artificielles extrêmement variables dans le temps. Pour fusionner un vaisseau spatial qui jaillit virtuellement hors de l’écran ou un personnage en gros plan, vos yeux doivent converger vigoureusement vers un point virtuel situé à 1 ou 2 mètres devant votre visage. Réciproquement, pour regarder un fond marin lointain, vos axes visuels doivent adopter une posture de divergence relative.

Le système nerveux central se trouve pris au piège d’une double contrainte biomécanique contradictoire : maintenir une accommodation constante tout en modulant frénétiquement la vergence. Les muscles ciliaires intraoculaires et les muscles oculomoteurs extraoculaires subissent une traction désynchronisée permanente. Cette friction proprioceptive déclenche une fatigue musculaire rapide. Le problème est fréquemment amplifié par des défauts techniques de réalisation ou de calibrage du projecteur : un décalage vertical millimétrique entre les images gauche et droite, une distorsion d’échelle ou un étalonnage chromatique inégal imposent au cortex des micro-corrections orthoptiques d’une intensité anormale qui finissent par saturer le traitement sensoriel et induire la migraine.

7.3 Quel indice est le plus robuste pour évaluer les grandes distances ?

Dès que l’on s’extrait du champ proximal d’action corporelle pour basculer dans l’évaluation de distances métriques substantielles (au-delà de 50 à 100 mètres et jusqu’à l’échelle kilométrique), la quasi-totalité des indices stéréoscopiques et oculomoteurs s’effondrent purement et simplement. À ces échelles géographiques, l’indice de profondeur le plus intrinsèquement robuste, universel et dominant est la perspective atmosphérique, étroitement secondée par l’interposition et la position relative par rapport à la ligne d’horizon.

L’extrême robustesse de la perspective atmosphérique repose sur le fait qu’elle constitue une signature physique directe de l’épaisseur du milieu d’interposition gazeux. Plus une montagne ou une métropole urbaine s’éloigne dans le champ lointain, plus le volume de particules atmosphériques rencontrées par la lumière est important, induisant un affaiblissement progressif et irréversible du contraste des hautes fréquences spatiales et un décalage spectral vers le bleu. Cet indice est si viscéralement encodé dans nos inférences corticales qu’il échappe à toute ambiguïté de taille d’objet : même face à une structure architecturale ou géologique inconnue dont nous ignorons la dimension réelle (ce qui rend inopérant l’indice de taille familière), le degré d’atténuation atmosphérique renseigne infailliblement sur son éloignement d’échelle kilométrique.

L’interposition (ou occlusion) joue un rôle corollaire indétrônable en ordonnant les masses paysagères en profondeur sans équivoque : un contrefort montagneux dont la silhouette interrompt la ligne de crête d’un second sommet est obligatoirement plus proche que ce dernier. Enfin, la hauteur relative par rapport à l’horizon exploite la géométrie perspective du plan terrestre : pour tout objet reposant sur le sol en deçà de la ligne d’horizon, sa coordonnée d’élévation verticale sur la rétine s’élève au fur et à mesure qu’il s’éloigne (les bases des arbres lointains apparaissent plus hautes dans le champ visuel que celles des arbres proches). C’est ce triptyque d’indices monoculaires picturaux et environnementaux qui gouverne sans rival l’appréciation des grands espaces.

7.4 Qu’est-ce que le test de Titmus et que mesure-t-il exactement ?

Le test de Titmus (communément appelé test de la mouche stéréoscopique ou Titmus Stereotest) constitue un examen clinique standardisé universellement utilisé en ophtalmologie, en orthoptie et en optométrie pour évaluer de manière quantitative la présence et la finesse de l’acuité stéréoscopique chez un patient adulte ou un jeune enfant.

Le dispositif se présente sous la forme d’un livret rigide imprimé de plaques stéréoscopiques vectorielles polarisées. Le patient est invité à chausser une monture de lunettes dotée de filtres polarisants orientés à 45 degrés pour l’œil gauche et 135 degrés pour l’œil droit, permettant d’adresser sélectivement des images légèrement discordantes à chaque rétine tout en maintenant une observation binoculaire naturelle à distance de lecture standard (généralement 40 centimètres sous un éclairage lumineux bien calibré).

Le test de Titmus comprend trois modules discriminatifs étagés par ordre de difficulté :

• Le test de la mouche (grossière stéréopsie) : Une grande photographie d’une mouche domestique est imprimée avec une disparité rétinienne croisée massive, équivalant à environ 3 000 secondes d’arc (3 000″). Un individu doté d’une vision binoculaire normale perçoit instantanément les ailes de l’insecte en relief volumineux spectaculaire, flottant en avant du livret. Le praticien demande fréquemment à l’enfant d’attraper les ailes entre le pouce et l’index : un sujet stéréoblind touchera la surface plane du papier, tandis qu’un sujet sain tentera de pincer le vide au-dessus de la page. Ce sous-test permet le dépistage rapide d’une vision binoculaire résiduelle même grossière.
• Le test des animaux (stéréopsie intermédiaire) : Trois rangées composées chacune de cinq animaux stylisés sont présentées. Dans chaque série, un seul animal présente une disparité croisée programmée (variant de 400″ à 100″ d’arc). Le patient doit désigner l’animal qui semble avancer vers lui.
• Le test des cercles de Wirt (stéréopsie fine métrique) : Composé de neuf losanges contenant chacun quatre cercles, ce module mesure avec une précision scientifique le seuil absolu de discrimination de la disparité binoculaire. La disparité décroît graduellement de 800 secondes d’arc (au premier niveau) jusqu’à un niveau d’hyperacuité de 40 secondes d’arc (au neuvième niveau). L’acuité stéréoscopique normale chez l’adulte est définie par la réussite des derniers cercles (seuil $le 40″$).

Le test de Titmus s’avère un outil diagnostique irremplaçable dans le dépistage précoce des troubles du développement visuel chez l’enfant de plus de 3 ans. Un échec ou une baisse substantielle des performances au test de Wirt constitue l’un des premiers signaux d’alerte d’un microstrabisme passé inaperçu, d’une anisométropie non corrigée ou d’une amorce d’amblyopie unilatérale, des affections silencieuses qui menacent d’altérer définitivement la stéréopsie si elles ne font pas l’objet d’une occlusion orthoptique thérapeutique précoce.

8. Conclusion : Synthèse de la synergie perceptuelle

8.1 Bilan de la dualité perceptive

L’exploration minutieuse de la perception tridimensionnelle balaie définitivement la vision simpliste d’un antagonisme réducteur entre vision monoculaire et vision binoculaire. L’esprit humain ne choisit pas entre deux systèmes concurrents : il orchestre en permanence une symbiose cognitive et écologique où chaque flux sensoriel enrichit l’autre de ses propriétés physiques spécifiques. Il s’agit d’une merveilleuse division adaptative du travail perceptif forgée par l’histoire naturelle.

D’un côté, les indices binoculaires de disparité rétinienne et de vergence oculaire incarnent l’instrument de précision absolue dédié à l’espace péripersonnel. Ils ont permis l’émergence des comportements d’exploration manuelle les plus fins chez les primates : la saisie millimétrique de petits fruits, la manipulation minutieuse d’outils lithiques, l’épouillage social et, à notre ère moderne, la microchirurgie restauratrice de pointe. Leur portée est circonscrite, leur tolérance anatomique impitoyable, mais leur pouvoir de résolution géométrique directe dans la zone de préhension immédiate demeure sans équivalent dans l’ensemble du règne animal.

De l’autre côté, les indices monoculaires confèrent au système visuel son universalité métrique, son extension géographique et sa robustesse structurelle. Par la perspective linéaire, les gradients texturaux, les ombrages et l’infaillible parallaxe de mouvement, le cortex monoculaire déploie notre compréhension du monde depuis nos pieds jusqu’aux limites ultimes de l’horizon visible. Ils garantissent que l’espace physique ne s’effondre pas en une surface plane dès lors que nous fermons un œil ou si la biologie nous prive unilatéralement d’un globe oculaire.

Face aux agressions pathologiques ou aux traumatismes périphériques, l’architecture nerveuse démontre une plasticité neuronale remarquable : par des stratégies comportementales actives et une pondération bayésienne recalculée, le cerveau d’un sujet monoculaire compense son infirmité en démultipliant l’extraction des signaux cinétiques. Réciproquement, la découverte des mécanismes physiologiques intimes de ces deux modalités visuelles nourrit aujourd’hui les révolutions technologiques les plus audacieuses. De l’affichage immersif en réalité mixte aux algorithmes d’apprentissage profond pilotant les véhicules autonomes, l’ingénierie contemporaine réinvente les lois séculaires de la perception biologique, prouvant avec éclat que l’espace n’est pas simplement un contenant physique devant nous, mais une création majestueuse et continue de notre cerveau visuel.

Références

• Alberti, L. B. (1435). De pictura (De la peinture). Traduction et appareil critique.
• Cutting, J. E., & Vishton, P. M. (1995). Perceiving layout and knowing distances: The integration, relative potency, and domains of different kinds of information. In W. Epstein & S. J. Rogers (Eds.), Perception of Space and Motion (pp. 69–117). Academic Press. https://doi.org/10.1016/B978-012240530-3/50005-5
• Ernst, M. O., & Banks, M. S. (2002). Humans integrate visual and haptic information in a statistically optimal fashion. Nature, 415(6870), 429–433. https://doi.org/10.1038/415429a
• Gibson, J. J. (1979). The Ecological Approach to Visual Perception. Houghton Mifflin.
• Helmholtz, H. von. (1867). Handbuch der physiologischen Optik. Leopold Voss.
• Howard, I. P., & Rogers, B. J. (2012). Perceiving in Depth, Volume 2: Stereoscopic Vision. Oxford University Press.
• Hubel, D. H., & Wiesel, T. N. (1970). Stereoscopic vision in macaque monkey: Cells sensitive to binocular depth. Nature, 225(5227), 41–42. https://doi.org/10.1038/225041a0
• Julesz, B. (1971). Foundations of Cyclopean Perception. The University of Chicago Press.
• Landy, M. S., Maloney, L. T., Johnston, E. B., & Young, M. (1995). Measurement and modeling of depth cue combination: In defense of weak observer models. Vision Research, 35(3), 389–412. https://doi.org/10.1016/0042-6989(94)00176-M
• Lee, D. N. (1976). A theory of visual control of braking based on information about time-to-collision. Perception, 5(4), 437–459. https://doi.org/10.1068/p050437
• Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman and Company.
• Ohzawa, I., DeAngelis, G. C., & Freeman, R. D. (1990). Stereoscopic depth discrimination in the visual cortex: Neuronal mechanisms. Science, 249(4972), 1037–1041. https://doi.org/10.1126/science.2396103
• Rogers, B. J., & Graham, M. E. (1979). Motion parallax as an independent cue to depth. Perception, 8(2), 125–134. https://doi.org/10.1068/p080125