Este artículo propone un algoritmo mejorado de localización y mapeo simultáneo visual (vSLAM) diseñado para robots móviles que operan en escenas dinámicas interiores. Al incorporar características de puntos y líneas y aprovechar el modelo del mundo de Manhattan, el marco PLM-SLAM propuesto mejora significativamente la precisión de la localización y la consistencia del mapa. Este algoritmo optimiza las características de líneas detectadas por el Detector de Segmentos de Línea (LSD) a través de estrategias de fusión y poda, garantizando un rendimiento en tiempo real. Posteriormente, las características dinámicas de puntos y líneas son rechazadas en base al flujo óptico de Lucas-Kanade (LK), restricciones geométricas e información de profundidad, minimizando el impacto de objetos dinámicos. El modelo del mundo de Manhattan se utiliza luego para reducir los errores de estimación rotacional y optimizar la estimación de la pose. El emparejamiento de características de líneas de alta precisión y los mecanismos de detección de cierre de bucle mejoran aún más la robustez y precisión del sistema. Los resultados experimentales demuestran el rendimiento superior de PLM-SLAM, especialmente en entornos interiores altamente dinámicos, superando a los métodos existentes de vanguardia.