Un mapa de disparidad es la salida de un algoritmo de estimación de puntos correspondientes, el cual es estimadoen una etapa intermedia del proceso de reconstrucción de la profundidad a partir de dos o más imágenes. Lacomparación del desempeño de un grupo de algoritmos de estimación de correspondencia puede hacerse medianteuna evaluación cuantitativa de mapas de disparidad contra mapas de referencia. Está evaluación requiere de unametodología, la cual involucra diversos elementos y métodos. Algunos de estos elementos y métodos han recibidomás atención que otros en la literatura. La cantidad de imágenes utilizadas, y la relación entre el contenido de lasmismas y los diferentes dominios de aplicación han sido temas de amplia discusión en la literatura. Por otra parte,existen pocas publicaciones que aborden los temas relacionados con las medidas y los criterios de evaluación. Enla práctica, el uso de diferentes medidas podría conllevar a la obtención de resultados contradictorios, empleandoinclusive un mismo conjunto de pruebas. Adicionalmente, las particularidades de diferentes dominios de aplicaciónpueden implicar requerimientos variables durante el proceso de evaluación. En este artículo se presenta unametodología de evaluación para algoritmos de estimación de correspondencia en imágenes estéreo. La metodologíase considera como aumentada en la medida que, a diferencia de las metodologías convencionales, permite unaselección interactiva de diferentes elementos y métodos de evaluación, con diferentes propiedades. En la presentemetodología, se formaliza el concepto de criterios de error, mediante la teoría de conjuntos. La experimentaciónrealizada mostró que el uso de la metodología propuesta provee resultados innovadores, realzando la relevancia deuna discusión en los diferentes elementos y métodos involucrados en el proceso de evaluación.

A disparity map is the output of a stereo correspondence algorithm. It is estimated in an intermediate step of a 3D information recovery process, from two or more images. A performance assessment of stereo correspondence algorithms may be addressed by a quantitative comparison of estimated disparity maps against ground-truth data. This assessment requires of the use of a methodology, which involves several evaluation elements and methods. Some elements and methods have been discussed with more attention than others in the literature. In the one hand, the quantity of used images and their relation to the application domain are topics rising large debate. On the other hand, there exist few publications on evaluation measures and error criteria. In practice, contradictory evaluation results may be obtained if different error measures are used, even on a same test-bed. In this paper, an evaluation methodology for stereo correspondence algorithms is presented. In contrast to conventional methodologies, it allows an interactive selection of multiple evaluation elements and methods. Moreover, it is based on a formal definition of error criteria based on set partitions. Experimental evaluation results showed that the proposed methodology allows a better understanding and analysis of algorithms performance than the Middlebury methodology. Final remarks highlights the relevance of discussing on the different elements and methods involved in an evaluation process.