当图像因相机快速运动造成模糊或者处在低纹理场景时，仅使用点特征的同步定位与地图构建（SLAM）算法难以跟踪提取足够多的特征点，导致定位精度和匹配鲁棒性较差。而如果造成误匹配，甚至系统都无法工作。针对上述问题，提出了一种基于点线特征融合的低纹理单目SLAM算法。首先，加入了线特征来加强系统稳定性，并解决了点特征算法在低纹理场景中提取不足的问题；然后，对点、线特征提取数量的选择引入了加权的思想，根据场景的丰富程度，对点线特征的权重进行了合理分配。所提算法是在低纹理场景下运行的，因而设置以线特征为主、点特征为辅。在TUM室内数据集上的实验结果表明，与现有的点线特征算法相比，所提算法有效地提高了线特征的匹配精度，使得轨迹误差减小了大约9个百分点，也使得特征提取时间减少了30个百分点，使加入的线特征在低纹理场景中发挥出积极有效的作用，提高了数据整体的准确度和可信度。
