La cobertura de la vegetación del sotobosque es un indicador importante de la salud del bosque y también se puede utilizar como un proxy en la exploración de la dinámica de la erosión del suelo. Por lo tanto, cuantificar la cobertura de la vegetación del sotobosque en áreas montañosas del sur de China es crucial para facilitar el desarrollo de estrategias para abordar la erosión del suelo local. Sin embargo, una sinergia de datos de múltiples fuentes no se ha revelado completamente en los datos de teledetección que cuantifican la vegetación del sotobosque en esta región; este problema se puede atribuir a una coincidencia insuficiente entre los datos 3D de nubes de puntos obtenidos de sistemas de teledetección activos y pasivos y las ortofotos de UAV, lo que culmina en una abundancia de información sobre la vegetación del sotobosque que no se representa en dos dimensiones. En este estudio, propusimos un método que combina la ortofoto de UAV y los datos de LiDAR aéreo para detectar la vegetación del sotobosque. En primer lugar, para mejorar la caracterización de la vegetación del sotobosque, se utilizó el modelo de CNN de puntos para descomponer la estructura tridimensional del bosque de pinus massoniana. En segundo lugar, la nube de puntos se proyectó sobre la imagen del UAV utilizando el algoritmo de retroproyección de nubes de puntos. Finalmente, se estimó la cobertura de la vegetación del sotobosque utilizando un conjunto de datos sintético. El cierre del dosel se dividió en dos categorías: cobertura de dosel baja y alta. Las pendientes se dividieron en tres categorías: pendientes suaves, pendientes inclinadas y pendientes empinadas. Para aclarar claramente la influencia del cierre del dosel y la pendiente en la estimación de la cobertura de la vegetación del sotobosque mediante teledetección, se comparó la precisión de cada categoría. Los resultados muestran que la precisión general del modelo de CNN de puntos para separar la estructura tridimensional del bosque de pinus massoniana fue del 74%, lo que cumplió con el requisito de precisión para mejorar la vegetación del sotobosque. Este método pudo obtener la cobertura de la vegetación del sotobosque de manera más precisa en un nivel bajo de cierre del dosel (Rlow2 = 0.778, RMSElow = 0.068) que en un nivel alto de cierre del dosel (RHigh2 = 0.682, RMSEHigh = 0.172). El método también pudo obtener alta precisión en los resultados de versión con valores de R2 de 0.875, 0.807 y 0.704, así como RMSE de 0.065, 0.106 y 0.149 para pendientes suaves, inclinadas y empinadas, respectivamente. Los métodos propuestos en este estudio podrían proporcionar apoyo técnico para encuestas de teledetección de UAV sobre la vegetación del sotobosque en las áreas montañosas del sur de China.