Los Vehículos Aéreos No Tripulados (VANT) para aplicaciones de mapeo 3D en interiores a menudo están equipados con sensores voluminosos y costosos, como LIDAR (Detección y Rango de Luz) o cámaras de profundidad. La misma tarea también podría ser realizada por cámaras RGB económicas instaladas en plataformas ligeras y pequeñas que son más ágiles para moverse en espacios confinados, como durante emergencias. Sin embargo, esta tarea sigue siendo un desafío debido a la ausencia de una señal GNSS (Sistema Global de Navegación por Satélite) que limita la localización (y escalado) del VANT. La reducida densidad de puntos en el SLAM monocular basado en características (Localización y Mapeo Simultáneos) limita entonces la completitud de los mapas entregados. En este artículo, se investigan las capacidades en tiempo real de un VANT comercial y económico (DJI Tello) para el mapeo en interiores. El trabajo tiene como objetivo evaluar su idoneidad para el mapeo rápido en condiciones de emergencia para apoyar a los Primeros Respondedores (FR) durante operaciones de rescate en edificios colapsados. La solución propuesta solo utiliza imágenes como entrada e integra algoritmos de SLAM y Estimación de Profundidad de Imagen Única (SIDE) basados en CNN (Redes Neuronales Convolucionales) para densificar y escalar los datos y entregar un mapa del entorno adecuado para la exploración en tiempo real. Se informan en detalle los algoritmos implementados, la estrategia de entrenamiento de la red y las primeras pruebas sobre los principales elementos de la metodología propuesta. También se presentan los resultados obtenidos en entornos interiores reales, demostrando un rendimiento que es compatible con los requisitos de los FR para explorar volúmenes interiores antes de entrar al edificio.