Se ha realizado mucha investigación en el área del aterrizaje de drones y específicamente en la estimación de pose. Mientras que algunos de estos trabajos se centran en la fusión de sensores utilizando GPS o GNSS, proponemos un método que utiliza sensores, incluidos cuatro sensores de rango Time of Flight (ToF) y una cámara monocular. Sin embargo, cuando la plataforma en descenso es inestable, por ejemplo, en barcos en el océano, la incertidumbre aumentará y el seguimiento fallará fácilmente. Diseñamos un algoritmo que incluye cuatro sensores ToF para calibración y uno para la estimación de pose. El proceso de aterrizaje se dividió en dos partes principales: el encuentro y el aterrizaje final. Se hicieron dos suposiciones importantes para estas dos fases. Durante el encuentro, se puede ignorar el movimiento de la plataforma de aterrizaje, mientras que durante la fase de aterrizaje, se asume que el dron está estable y esperando el mejor momento para aterrizar. La investigación actual modifica la parte de aterrizaje como un dron estable y una plataforma de aterrizaje inestable, que es una plataforma de Stewart, con un AprilTag montado. Se utilizó un algoritmo novedoso para la calibración basado en umbralización de color, un casco convexo y extracción de centroides. A continuación, utilizando las ecuaciones de coordenadas homogéneas de los puntos de contacto de los sensores, se puede calcular la distancia focal en las direcciones X e Y. Además, conocer la ecuación del plano permite proyectar las coordenadas Z de los puntos de referencia. Luego, se utilizó la ecuación de coordenadas homogéneas para obtener las coordenadas cartesianas X e Y del punto de referencia. Finalmente, se emplea la transformación de cuerpo rígido 3D para proyectar la transformación de la plataforma de aterrizaje en el marco de la cámara. El banco de pruebas utilizó Software-in-the-Loop (SIL) para confirmar la viabilidad del método. Los resultados de este trabajo son prometedores para la estimación de pose de plataformas de aterrizaje inestables y ofrecen una mejora significativa sobre los algoritmos de detección de estimación de pose de cámara única AprilTag (ATDA).