一种具身机器人多摄视频融合方法、系统及存储介质

本发明实施例提供一种具身机器人多摄视频融合方法、系统及存储介质，属于图像处理领域。所述方法包括：基于视觉与惯性对齐模型对图像进行时间和空间的对齐，生成统一对齐图像序列；基于所述统一对齐图像序列提取多尺度图像特征，并构建用于引导注意力融合操作的跨视角残差图，以生成融合图像；对所述融合图像执行隐私区域识别，并对隐私区域执行遮挡处理，获得隐私保护图像；对所述隐私保护图像进行语义压缩，并根据网络链路状态信息调整图像帧调度顺序，输出用于控制决策的视频信号。面向具身机器人多摄图像采集过程中的时空对齐、跨视角融合与隐私保护处理，并基于链路状态自适应输出控制用视频信号的全过程优化。