El vasto aumento en la capacidad computacional disponible ha permitido la aplicación de enfoques basados en Filtros de Partículas (PF) para el seguimiento monocular basado en modelos 3D. Estos filtros dependen del cálculo de una función de verosimilitud que generalmente no está disponible y se puede aproximar utilizando una métrica de similitud. Podemos utilizar técnicas de filtrado temporal entre iteraciones del filtro para lograr mejores resultados al tratar con esta aproximación subóptima, lo cual es particularmente importante al lidiar con la simetría del modelo de Vehículo Aéreo No Tripulado (UAV). El tiempo de evaluación de la métrica de similitud es otra preocupación crítica, ya que generalmente queremos una implementación en tiempo real. Exploramos, probamos y comparamos con el mismo conjunto de datos dos tipos diferentes de PF, (i) un Filtro Bingham No Sensible (UBiF) y (ii) un Filtro Bingham-Gauss No Sensible (UBiGaF), utilizando optimización de pose en ambas implementaciones. Utilizar pasos de optimización entre iteraciones aumenta la capacidad de convergencia del filtro y disminuye el error obtenido. También se explora un nuevo enfoque de métrica de similitud basado en árboles, basado en la Transformación de Distancia (DT), que permite una evaluación más rápida de las posibilidades sin perder precisión. Los resultados mostraron que el error de estimación de pose obtenido es compatible con los requisitos de aterrizaje automático.