1.一种基于多目全景惯导的SLAM系统，其特征在于：包括：
信息采集模块，用于系统运行过程中获取全景图像信息和惯导空间运动参数；所述全景图像信息通过N个相机以环视、环视+上视、环视+下视、或环视+上视+下视组合实现；N为大于或等于2的正数；所述惯导空间运动参数包括系统实体的实时三轴线加速度和三轴角速度；
与所述信息采集模块连接的嵌入式异构计算模块，用于图像等信息采集的高速传输，以及后续SLAM的计算和并行加速处理；
与所述信息采集模块和嵌入式异构计算模块连接的SLAM处理模块，用于融合视觉和惯导特征信息，并通过非线性优化进行系统位姿估计和三维地图构建；所述非线性优化指将位姿的非线性最小二乘问题，利用高斯牛顿法或列文伯格-马夸尔特方法优化方式求解；
支撑模块，用于信息采集模块，嵌入式异构计算模块，SLAM处理模块固定。
2.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述信息采集模块包括高速相机、鱼眼镜头、惯性传感单元，用于融合获取空间信息和运动参数；高速相机实现纳秒级多目帧同步，搭载全局曝光技术，有效降低图像畸变，适应高速环境捕捉，同时辅以近红外探测光，增强弱纹理对象识别精度；鱼眼镜头均采用180°以上识别空间，提升局部区域有效像素，并通过多镜头组合实现环视或全景，突破类人视觉感知极限；惯性传感单元由加速度计、陀螺仪、磁力计构成，用于SLAM系统运动参数获取。
3.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述嵌入式异构计算模块包括轻型异构超算平台和同步触发硬件电路；轻型异构超算平台采用Maxwell分布式架构，支持ARM/GPU/DSP/FPGA实现，以ARM为核心处理器，GPU为主要异构形式，基于JETSON核心组建CUDA蜂群，满足多线程并行处理及深度学习网络构建，同时保证ASIC指令集运算及SLAM算法综合运行；同步触发硬件电路通过惯性传感单元以固定周期频率、外部电路形式同时触发多目相机曝光，实现IMU与相机帧的时间戳精准对齐。
4.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述嵌入式异构计算模块的一种实现方式包括：多个英伟达JETSON TX1模块、六目CSI接口相机、myAHRS+惯性传感单元、220°鱼眼相机及相应连接件。
5.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述SLAM算法处理模块包括自初始化、前端处理和后端优化；自初始化首先自动标定多相机内外参、相机与IMU外参，分别进行视觉和惯导初始化，并开始捕获连续刚体帧和各帧间IMU预积分数据；前端处理进行特征提取并由匹配关系初始位姿或重定位，基于当前帧跟踪局部地图，通过共视关系优化所有相机位姿；后端优化集束调整当前多关键帧及共视关键帧，非线性最小化多关键帧重投影误差和IMU误差，获取准确的系统位姿和环境观测数据。
6.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述多相机内外参自动标定方法的一种实现方式是基于特征描述子的在线标定，较与主流的棋盘格标定法，特征可达几百个，且能用于非重叠视场多相机的标定。
7.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述刚体帧是指多相机重心位置的多关键帧总称，也可以与多相机的主相机位置重合。
8.根据权利要求1所述的一种基于多目全景惯导的SLAM系统，其特征在于：所述非线性优化的一种实现方式是将视觉信息和惯导信息以因子图形式组织到G2O中进行图优化，获取准确的位姿信息并构建环境地图。