Los avances en robótica móvil e inteligencia artificial han ampliado significativamente su aplicación en diversos dominios y condiciones desafiantes. En el pasado, esto se limitaba a entornos seguros, controlados y altamente estructurados, donde supuestos y condiciones simplificadas permitían la resolución efectiva de tareas basadas en la percepción. Sin embargo, hoy en día, la robótica y la inteligencia artificial están entrando en la naturaleza, donde la colaboración humano-robot y la operación robusta son esenciales. Uno de los escenarios más exigentes implica el despliegue de drones autónomos en entornos sin GNSS, como bosques densos. A pesar de los desafíos, el potencial de explotar recursos naturales en estos entornos subraya la importancia de desarrollar tecnologías que puedan operar en tales condiciones. En este estudio, presentamos una metodología que aborda los desafíos únicos de los entornos forestales naturales al integrar métodos de posicionamiento, aprovechando cámaras, LiDAR, GNSS y visión artificial con tecnología de drones para el mapeo de bayas silvestres bajo el dosel. Para garantizar la utilidad práctica para los recolectores de frutas, generamos mapas de calor intuitivos de las ubicaciones de las bayas y proporcionamos a los usuarios una aplicación móvil que apoya la visualización interactiva de mapas, el posicionamiento en tiempo real y la asistencia en la planificación de rutas. Nuestro enfoque, probado en un bosque escandinavo, refina la identificación de ubicaciones de frutas silvestres de alto rendimiento utilizando V-SLAM, demostrando la viabilidad y efectividad de los drones autónomos en estas aplicaciones exigentes.