Los modelos de edificios en 3D se utilizan ampliamente en muchas aplicaciones. El pipeline tradicional de reconstrucción 3D basado en imágenes, sin utilizar información semántica, es ineficiente para la reconstrucción de edificios en áreas rurales. En este artículo se propone una metodología de selección de vistas oblicuas para una reconstrucción de edificios eficiente y precisa en áreas rurales. Se entrena un modelo Mask R-CNN utilizando conjuntos de datos satelitales y se utiliza para detectar instancias de edificios en imágenes de UAV en nadir. Luego, las instancias de edificios detectadas y las imágenes de UAV se georreferencian directamente. Las instancias de edificios georreferenciadas se utilizan para seleccionar imágenes oblicuas que cubren edificios mediante la búsqueda de vecinos más cercanos. Finalmente, se generan pares de coincidencias precisas a partir de las imágenes oblicuas seleccionadas y las imágenes en nadir utilizando sus puntos principales georreferenciados. La metodología propuesta se prueba en un conjunto de datos que contiene 9775 imágenes de UAV. Se seleccionan automáticamente un total de 4441 imágenes oblicuas que cubren el 99.4% de todos los edificios en el área de estudio. Los resultados experimentales muestran que la precisión y el recall promedio de la selección de vistas oblicuas son 0.90 y 0.88, respectivamente. El porcentaje de pares de imágenes oblicuas-oblicuas y oblicuas-nadir coincidentes de manera robusta es superior al 94% y al 84.0%, respectivamente. La metodología propuesta se evalúa para la reconstrucción escasa y densa. Los resultados experimentales muestran que la reconstrucción escasa basada en la metodología propuesta reduce el tiempo de procesamiento de datos en un 68.9%, y es comparativamente precisa y completa. Los resultados experimentales también muestran una alta consistencia entre las nubes de puntos densas de edificios reconstruidos por el pipeline tradicional y el pipeline basado en la metodología propuesta.