Con el rápido avance de la tecnología de drones, los drones modernos han alcanzado altos niveles de integración funcional, junto con mejoras estructurales que incluyen diseños ligeros y compactos con características plegables, lo que mejora enormemente su flexibilidad y aplicabilidad en aplicaciones fotogramétricas. Sin embargo, actualmente hay poca investigación que explore los datos recopilados por tales UAV compactos, y si pueden equilibrar un pequeño factor de forma con alta calidad de datos sigue siendo incierto. Para abordar este desafío, este estudio adquirió los datos de teledetección de un área periurbana utilizando el DJI Mavic 3 Enterprise y aplicó Análisis de Imágenes Basado en Objetos (OBIA) para extraer edificios de alta densidad. Se encontró que este dron ofrece alta portabilidad, un bajo umbral operativo y mínimas restricciones regulatorias en aplicaciones prácticas, mientras que las imágenes capturadas proporcionan ricos detalles texturales que representan claramente las complejas características superficiales en los pueblos urbanos. Para evaluar la precisión de los resultados de extracción, se realizó una comparación visual entre las salidas de segmentación y las nubes de puntos LiDAR aéreas capturadas por el DJI M300 RTK, y se evaluó el rendimiento de clasificación basado en métricas de matriz de confusión. Los resultados indican que los límites de los objetos segmentados se alinean bien con los bordes de los edificios en la nube de puntos LiDAR. La precisión de clasificación de los tres algoritmos seleccionados superó el 80%, con el clasificador KNN logrando una precisión del 91% y un coeficiente Kappa de 0.87, lo que demuestra de manera robusta la fiabilidad de los datos del UAV y valida la viabilidad del enfoque propuesto en casos complejos. Como referencia de caso práctico, se espera que este estudio promueva la aplicación más amplia de UAV ligeros en diversos campos.