La estimación de profundidad monocular es una tarea tradicional de visión por computadora que predice la distancia de cada píxel en relación a la cámara a partir de una imagen 2D. La información de altura relativa sobre objetos en un plano terrestre se puede calcular a través de varios pasos de procesamiento a partir de la imagen de profundidad. En este documento, proponemos un método de estimación de altura para predecir directamente la altura de objetos a partir de una imagen 2D. El método propuesto utiliza una red codificador-decodificador para una predicción densa píxel a píxel basada en la consistencia de altura. Utilizamos el simulador CARLA para generar 40,000 conjuntos de datos de entrenamiento desde diferentes posiciones en cinco áreas dentro del simulador. Los resultados experimentales muestran que el mapa de altura de los objetos puede ser estimado independientemente de la ubicación de la cámara.