El uso de sistemas robóticos en logística ha aumentado la importancia del posicionamiento preciso, especialmente en los almacenes. El documento presenta un sistema que utiliza marcadores fiduciales virtuales para predecir con precisión la posición de un dron en un almacén y contar los artículos en la estantería. Se crea un escenario de almacén en el entorno de simulación para determinar la tasa de éxito del posicionamiento. Un total de 27 estanterías están alineadas en el almacén y en el centro del espacio, y se utiliza un marcador fiducial de tipo ArUco de 6 x 6 en cada estantería. La posición del vehículo se predice mediante aprendizaje supervisado. Las entradas son las características del marcador fiducial virtual del dron. Los datos de salida son la posición cartesiana y el ángulo de guiñada. Todos los datos de entrada y salida requeridos para el aprendizaje supervisado en el entorno de simulación se recopilaron a lo largo de diferentes rutas aleatorias. Se preparó un algoritmo de procesamiento de imágenes utilizando marcadores fiduciales para realizar el conteo de estanterías después del proceso de posicionamiento. Entre los algoritmos de regresión utilizados, el algoritmo AdaBoost mostró el mejor rendimiento. Los valores de R2 obtenidos en la predicción de posición fueron 0.991 para el eje x, 0.976 para el eje y, 0.979 para el eje z y 0.816 para el ángulo de rotación.