El empleo de características lineales para mejorar la precisión y robustez del VIO (odometría visual-inercial) basado en puntos ha atraído una atención creciente, especialmente para aplicaciones de UAV (vehículos aéreos no tripulados) donde la estimación de pose 6-DoF es crítica para la navegación autónoma, la ejecución de misiones y la seguridad. Este artículo presenta GPLVINS-GNSS (sistema de navegación por satélite global)-navegación visual-inercial de puntos y líneas, una mejora adaptada a UAV del sistema de navegación visual-inercial basado en optimización no lineal GVINS. A diferencia de GVINS, que tiene dificultades con la extracción de características en entornos de baja textura y depende completamente de características puntuales, GPLVINS integra de manera innovadora características lineales en su marco de optimización de estado para mejorar la robustez y la precisión. Mientras que los estudios existentes adoptan el algoritmo LSD (detector de segmentos de línea) para la extracción de características lineales, este enfoque a menudo genera numerosos segmentos de línea cortos en escenas del mundo real. Tal resultado no solo aumenta los costos computacionales, sino que también degrada el rendimiento de la estimación de pose. Para abordar este problema, el presente estudio propone una estrategia de NMS (supresión de no máximos) para el refinamiento de LSD. El residuo de reproyección de línea se formula como la distancia entre punto y línea, que se incorpora al proceso de optimización no lineal. Las validaciones experimentales en conjuntos de datos de código abierto y conjuntos de datos de UAV auto-recolectados en escenarios de transición entre interiores, exteriores e interiores-exteriores demuestran que GPLVINS exhibe un rendimiento de posicionamiento superior y una robustez mejorada para UAV en entornos con degradación de características o variaciones drásticas en la intensidad de la iluminación.