本发明公开了双目立体匹配中基于多尺度融合的注意力代价体构建方法，涉及端到端的双目拍摄技术领域。本发明至少包括以下步骤：步骤1：读取图像数据，进行图像预处理；步骤2：使用类残差网络对预处理后的图像进行多尺度特征提取；步骤3：根据提取出的图像特征构建多尺度的相关性连接匹配代价体和串联连接匹配代价体。本发明通过多尺度代价体融合的方法，能够得到更丰富的特征，扩大感受野，增强对复杂场景的感知能力，从而降低立体匹配的错误率。并且通过对常规匹配代价体的改进，也能够减少匹配过程中的错误率，同时相较于单纯的串联连接和相乘连接匹配代价体，改进后的匹配代价体在集两种方法的优点之外，大大缓解了两种方法的局限性。