La segmentación precisa de árboles individuales (ITS) en plantaciones de caucho densas es una tarea desafiante debido a los dosel superpuestos, los ápices de los árboles indistintos y las estructuras de ramas intrincadas. Para abordar estos desafíos, proponemos un método de fusión de múltiples características de abajo hacia arriba para segmentar árboles de caucho utilizando nubes de puntos UAV-LiDAR. Nuestro enfoque implica primero realizar una extracción de troncos basada en variaciones de densidad de puntos de ramas y características direccionales del vecindario, lo que permite la separación precisa de los troncos de los doseles superpuestos. A continuación, introducimos una estrategia de fusión de múltiples características que reemplaza las restricciones de umbral único, integrando atributos geométricos, direccionales y de densidad para clasificar puntos de dosel centrales, puntos de límite y regiones superpuestas. Los puntos en disputa se asignan iterativamente a árboles adyacentes en función de la consistencia del ángulo de crecimiento del vecindario, mejorando la robustez de la segmentación. Los experimentos realizados en plantaciones de caucho con diferentes cierres de dosel (bajo, medio y alto) muestran precisiones de 0.97, 0.98 y 0.95. Además, el ancho de la corona y el área de proyección del dosel derivada de las nubes de puntos de árboles individuales segmentados son altamente consistentes con los datos de verdad terrestre, con valores de R que superan 0.98 y 0.97, respectivamente. El método propuesto proporciona una base confiable para la modelización 3D de árboles y la estimación de biomasa en plantaciones estructuralmente complejas, avanzando en la silvicultura de precisión y la evaluación de ecosistemas al superar las limitaciones críticas de los enfoques ITS existentes en agroecosistemas tropicales de alto cierre.