La producción de frutas de alta calidad requiere la regulación de la carga de cultivos en los árboles frutales al reducir el número de flores y frutos pequeños al principio de la temporada de crecimiento, si la carga es demasiado alta. Varios métodos automatizados de cuantificación de racimos de flores basados en imágenes próximas y remotas se han propuesto para estimar el número de racimos de flores, pero su rendimiento general todavía está lejos de ser satisfactorio. Para otros métodos, se desconoce el rendimiento del método para estimar racimos de flores dentro de un árbol, ya que solo se probaron en imágenes desde una perspectiva. Uno de los principales cuellos de botella reportados es la presencia de flores ocultas debido a las limitaciones de la perspectiva de vista superior de las combinaciones plataforma-sensor. Para abordar este problema, la perspectiva multi-vista de las nubes de puntos densas coloreadas en Rojo-Verde-Azul (RGB) recuperadas de imágenes de drones se comparan y evalúan con el número de racimos de flores por árbol basado en el campo. Los resultados experimentales obtenidos en un conjunto de datos de dos huertos de perales (N = 144) demuestran que nuestro método basado en objetos 3D, una combinación de clasificación basada en píxeles con el algoritmo de impulso estocástico y agrupamiento basado en densidad (DBSCAN), supera significativamente al estado del arte en estimaciones de racimos de flores desde la vista superior en 2D (R = 0.53), con R > 0.7 y RRMSE < 15%.