针对绝对值之差（absolute difference,AD）-Census等传统双目立体匹配算法在低纹理区域、重复纹理区域匹配精度低的问题，提出一种融合大尺度窗口信息与曼哈顿距离的双目立体匹配算法.使用改进的绝对误差和（sum of absolute differences,SAD）代价与多灰度阈值Census代价计算得到融合代价，根据邻域像素与中心点的曼哈顿距离赋予权重，减少边缘像素对代价的影响.通过大尺度的窗口提取到的差异信息对融合代价进行筛选过滤，改善了算法在重复纹理区域、灰度相似区域精度较低的问题.与传统的AD-Census算法相比，该算法误匹配率减少约18%，对算法进行图形处理器（graphic processing unit,GPU）移植，使得算法在不同尺度分辨率的图像上运行速度提升1～2个数量级，满足双目立体匹配算法快速准确的需求.