La eficacia de la Localización y Mapeo Simultáneos (SLAM) visual disminuye en entornos a gran escala debido a los desafíos para identificar puntos de referencia distantes, lo que lleva a un rango de percepción limitado y a un desplazamiento de trayectoria. Este artículo presenta un método práctico para mejorar la precisión del SLAM visual en tiempo real basado en características para vehículos no tripulados compactos mediante la construcción de puntos de mapa distantes. Al rastrear características de imagen consecutivas a través de múltiples fotogramas, se generan puntos de mapa remotos con ángulos de paralaje suficientes, ampliando el alcance del mapeo hasta el rango máximo teórico. Las observaciones de estos puntos de referencia a partir de fotogramas clave anteriores se complementan en consecuencia, mejorando la optimización de la parte posterior y, por ende, la precisión de la localización. La efectividad de este enfoque se asegura mediante la introducción del punto de mapa virtual, una estructura de datos propuesta que vincula características relacionales a un punto de mapa imaginario, manteniendo así el tamaño restringido de la optimización local durante la triangulación. Basado en el código de ORB-SLAM3, se implementa y prueba un sistema SLAM que incorpora el método propuesto. Los resultados experimentales en conjuntos de datos de drones y vehículos demuestran que el método propuesto supera a ORB-SLAM3 tanto en precisión como en rango de percepción con un tiempo de procesamiento adicional negligible, preservando así el rendimiento en tiempo real. Las pruebas de campo utilizando un UGV validan aún más la eficacia del método propuesto.