Apuntando al problema de la ambigüedad en la coincidencia y la baja precisión de disparidad en el límite del objeto en la coincidencia estéreo, se propone un nuevo algoritmo de coincidencia estéreo con filtrado colaborativo de volumen de costos. Primero, para cada píxel, se construyen dos ventanas de soporte, a saber, una ventana de soporte transversal local y una ventana de soporte global para toda la imagen. En segundo lugar, se deriva un nuevo filtro guía ponderado adaptativo con una ventana de soporte transversal como ventana de núcleo, y se utiliza para filtrar localmente el volumen de costos. Además, se construye un árbol de expansión mínima en la ventana de toda la imagen, y luego se utiliza el filtro de árbol de expansión mínima para filtrar globalmente el volumen de costos. El filtrado colaborativo del volumen de costos se realiza fusionando los resultados de filtrado del filtro local y del filtro global, de modo que cada píxel no solo puede recibir el soporte de los píxeles vecinos en la ventana adaptativa local, sino que también puede recibir el soporte efectivo de otros píxeles en toda la imagen, eliminando así eficazmente la ambigüedad de coincidencia en diferentes regiones de textura manteniendo los bordes de disparidad. Los resultados experimentales muestran que la tasa de error promedio de coincidencia de nuestro método en las imágenes estéreo de Middlebury es del 3.17%. En comparación con otros métodos de vanguardia, nuestro método tiene una mayor robustez y precisión de coincidencia, los mapas de disparidad generados son más suaves y los bordes de disparidad están mejor conservados.