En muchas operaciones de Vehículos Aéreos No Tripulados (VANT), estimar con precisión la posición y orientación del VANT a lo largo del tiempo es crucial para controlar su trayectoria. Esto es especialmente importante al considerar la maniobra de aterrizaje, donde un sistema de cámara terrestre puede estimar la posición y orientación 3D del VANT. Se puede utilizar un enfoque monocular terrestre de Rojo, Verde y Azul (RGB) para este propósito, lo que permite algoritmos más complejos y mayor potencia de procesamiento. El método propuesto utiliza un modelo híbrido de Red Neuronal Artificial (RNA), incorporando una Red Neuronal de Kohonen (KNN) o Mapa Auto-Organizado (SOM) para identificar puntos de características que representan un clúster obtenido de una imagen binaria que contiene el VANT. Luego, se utiliza una arquitectura de Red Neuronal Profunda (DNN) para estimar la pose real del VANT basada en un solo fotograma, incluyendo la traducción y la orientación. Utilizando el modelo de Diseño Asistido por Computadora (CAD) del VANT, la estructura de la red se puede entrenar fácilmente utilizando un conjunto de datos sintético, y luego se puede realizar un ajuste fino para llevar a cabo un aprendizaje por transferencia para tratar con datos reales. Los resultados experimentales demuestran que el sistema logra una alta precisión, caracterizada por bajos errores en la estimación de la pose del VANT. Esta implementación allana el camino para automatizar tareas operativas como el aterrizaje autónomo, que es especialmente peligroso y propenso a fallos.