Este artículo propone un algoritmo de emparejamiento estéreo mejorado con el fin de abordar el problema de que la transformación Census convencional depende en exceso del píxel central de la ventana, lo que hace que el algoritmo sea susceptible a interferencias de ruido y resulte en una baja precisión de emparejamiento en regiones con texturas débiles y texturas complejas. En la etapa de cálculo de costos, se establece un umbral de ruido utilizando el enfoque de detección de diferencia absoluta, y los píxeles que superan el umbral se reemplazan con los valores de gris promedio de los píxeles vecinos en la ventana de 3 x 3. Esta etapa también incluye la introducción del costo de gradiente, que se combina con la información de puntos de borde y características para proporcionar el costo de emparejamiento final. Se emplea el enfoque cruzado para construir el dominio de soporte adaptativo y agregar los costos durante la etapa de agregación de costos. La disparidad se calcula finalmente utilizando la técnica WTA, y se emplea un proceso de refinamiento de múltiples pasos para producir el mapa de disparidad final. Los experimentos demuestran que el algoritmo propuesto tiene un buen rendimiento contra el ruido. En comparación con otros algoritmos mejorados o algoritmos compuestos, la tasa de emparejamiento promedio de las cuatro imágenes estándar en la plataforma de prueba de Middlebury es del 5.53%, lo que es más alto que los demás algoritmos, lo que indica que la precisión de emparejamiento es alta. El algoritmo propuesto proporciona ideas para algoritmos mejorados posteriores.