El mapeo fotogramétrico preciso de las condiciones previas a la cosecha en un huerto de manzanas puede ayudar a determinar la posición exacta y el volumen de cada fruta. Esto puede ayudar a estimar los rendimientos futuros y prevenir pérdidas a través de medidas de cultivo espacialmente precisas. Estos parámetros también son la base para decisiones efectivas de gestión de almacenamiento, post-cosecha. Estas características espaciales del huerto pueden ser determinadas por tecnología de drones de bajo costo con un sensor de color rojo-verde-azul (RGB) de grado de consumo. Se realizaron vuelos en un entorno específico para mejorar la relación señal-ruido de las imágenes del huerto. Se probaron dos altitudes diferentes de 7.5 m y 10 m para estimar el rendimiento óptimo. Se llevó a cabo una campaña de campo multisesional en un huerto de manzanas en Brandeburgo, Alemania. El sitio de prueba consistió en un área de 0.5 ha con 1334 árboles, incluyendo las variedades "Gala" y "Jonaprince". Se probaron cuatro filas de árboles cada temporada, consistiendo en 14 bloques con ocho árboles cada uno. Las manzanas maduras fueron detectadas por su color y estructura a partir de una nube de puntos tridimensional creada fotogramétricamente con un algoritmo automático. La detección incluyó la posición, número, volumen y masa de las manzanas para todos los bloques del huerto. Los resultados muestran que la identificación de frutas de manzana maduras es posible en nubes de puntos RGB. Los coeficientes de determinación del modelo variaron de 0.41 para los datos capturados a una altitud de 7.5 m en 2018 a 0.40 y 0.53 para datos de una altitud de 10 m, para 2018 y 2020, respectivamente. El rendimiento del modelo fue más débil para las últimas filas de árboles capturadas porque la cobertura de datos fue menor. El modelo subestimó el número de manzanas por bloque, lo cual es razonable, ya que las hojas cubren algunas de las frutas. Sin embargo, se encontró una buena relación con la masa de rendimiento por bloque cuando el volumen estimado de manzanas por bloque se combinó con una densidad media de manzanas por variedad. En general, se lograron coeficientes de determinación de 0.56 (para el vuelo a 7.5 m de altitud) y 0.76 (para los vuelos a 10 m). Por lo tanto, concluimos que el mapeo a una altitud de 10 m tiene un mejor rendimiento que a 7.5 m, en el contexto de vuelos de UAV a baja altitud para la estimación de parámetros de manzanas maduras directamente a partir de nubes de puntos densas 3D RGB.