同步定位与建图(SLAM)在人工智能领域发挥着不可替代的作用。传统的视觉SLAM算法在静态环境下是稳定的,但在动态场景下具有较低的准确性和鲁棒性。本文提出了一个基于点线特征的室内动态环境下SLAM系统。为了改善在室内动态环境中仅使用点特征时定位精度较低的问题,引入了常见的线特征。然而,当前的线特征提取算法存在一些问题,因此我们提出了改进的线特征提取和描述方法,并运用DeepLabV3+语义分割网络结合运动一致性检测算法来消除动态点线特征的影响。接下来,我们使用静态点和线特征构建动态SLAM中的后端优化模型,并将语义信息引入非线性优化后端模型中以求解最优位姿。最后,在公共动态数据集进行了足够的实验,以验证本文算法的定位精度和性能,将我们的实验结果与几种最先进的动态SLAM方法比较绝对轨迹误差和相对轨迹误差。通过与这些动态SLAM方案的综合比较,可以充分证明本文在动态场景中可以达到相当或更好的性能。