La flexibilidad y la rápida movilidad de los drones los hacen ideales para aplicaciones del Internet de las Cosas (IoT), como el control del tráfico y la recolección de datos. Por lo tanto, la navegación autónoma de drones 5G en entornos desconocidos y dinámicos se ha convertido en un tema de investigación importante. Los métodos actuales dependen de sensores para percibir el entorno, planificar la ruta desde el punto de partida hasta el objetivo y evitar obstáculos; sin embargo, su campo de visión limitado les impide moverse en todas las direcciones y detectar y evitar obstáculos. Este artículo propone la navegación autónoma de drones 5G basada en aprendizaje profundo (DL). Esta propuesta utiliza sensores capaces de percibir todo el entorno que rodea al dron y fusiona los datos de los sensores para detectar y evitar obstáculos, planificar una ruta y moverse en todas las direcciones. Entrenamos una red neuronal convolucional (CNN) utilizando un nuevo conjunto de datos que creamos para el ascenso del dron y el paso sobre obstáculos, logrando una precisión del 99%. También entrenamos redes neuronales artificiales (ANN) para controlar drones y logramos una precisión del 100%. Los experimentos en el entorno de Gazebo demostraron la eficiencia de la fusión de sensores, y nuestra propuesta fue la única que percibió todo el entorno, particularmente por encima del dron. Además, destacó en la detección de obstáculos en forma de U y en permitir que los drones emergieran de ellos.