Las redes recientes de coincidencia estéreo adoptan volúmenes de coste 4D y convoluciones 3D para procesar esos volúmenes. Aunque estos métodos muestran un buen rendimiento en términos de precisión, tienen la desventaja inherente de requerir una gran cantidad de recursos informáticos y memoria. Estos requisitos limitan sus aplicaciones para entornos móviles, que están sujetos a limitaciones inherentes de hardware informático. Tanto la precisión como el consumo de recursos informáticos son importantes, y mejorar ambos al mismo tiempo es una tarea no trivial. Para hacer frente a este problema, proponemos una red simple pero eficiente, llamada Red de Fusión de Características Secuenciales (SFFNet) que genera y procesa secuencialmente el volumen de coste utilizando solo convoluciones 2D. El bloque de construcción principal de nuestra red es un módulo de Fusión de Características Secuenciales (SFF) que genera volúmenes de coste 3D para cubrir una parte del rango de disparidad mediante el desplazamiento y la concatenación de las características objetivo, y procesa el volumen de coste utilizando convoluciones 2D. Una serie de módulos SFF en nuestra SFFNet están diseñados para cubrir gradualmente todo el rango de disparidad. Nuestro método evita cálculos pesados y permite la generación eficiente de un mapa de disparidad final preciso. Varios experimentos muestran que nuestro método tiene una ventaja en términos de precisión frente a eficiencia en comparación con otras redes.