传统的视觉同步定位和地图创建（SLAM）依赖于点特征来估计相机姿态。然而，室内环境中存在大量低纹理区域，难以提取足够多的点特征。此外，当摄像机剧烈抖动或转向过快时，基于点特征的SLAM系统不稳定。为了解决上述问题，本文提出了一种基于RGB-d的点-线特征融合方法，利用点特征和线特征的优点，在困难环境下获得了稳健的结果。首先，提出了一种基于特征丰富度的特征提取策略。解决了模糊低纹理区域特征提取困难的问题。其次，设计点线特征关联图，优化线特征匹配效果。该方法不仅考虑了线特征之间的相似关系，还考虑了点特征和线特征之间的几何关系。最后，在光束法平差建造成本函数时，建立了一个自适应模型，以实现点线双模特性的无缝融合。本文在两个公共数据集和室内真实场景中对该算法进行了评估，并与其他先进算法进行了比较。结果表明，该算法具有较好的整体性能。