La tecnología LiDAR ha demostrado ser una técnica de teledetección efectiva para el inventario y la gestión forestal. Entre las plataformas de teledetección existentes, los vehículos aéreos no tripulados (UAV) están ganando rápidamente popularidad por su capacidad para proporcionar nubes de puntos de alta resolución y precisión. Sin embargo, la capacidad de un levantamiento LiDAR de UAV para mapear características bajo el dosel está determinada por el grado de penetración, que a su vez depende del porcentaje de cobertura del dosel. En este estudio, se utiliza un sistema de mapeo móvil basado en UAV, construido a medida, para recopilar simultáneamente datos de LiDAR e imágenes bajo diferentes escenarios de cobertura de hojas en una plantación forestal. Se derivan nubes de puntos de tierra desnuda, un modelo digital de terreno (DTM), nubes de puntos de altura normalizada y medidas cuantitativas para el inventario de árboles individuales a partir de datos LiDAR de UAV. Se investiga el impacto de diferentes escenarios de cobertura de hojas (sin hojas, cobertura parcial de hojas y cobertura total de hojas) en la calidad de los productos de los levantamientos de UAV. Además, se propone un enfoque de localización y segmentación de árboles individuales de abajo hacia arriba basado en la detección de picos en 2D y el diagrama de Voronoi, y se compara con un algoritmo de agrupamiento basado en densidad existente. Los resultados experimentales muestran que las nubes de puntos de diferentes escenarios de cobertura de hojas están en buena concordancia dentro de un rango de 1 a 10 cm. A pesar de que la densidad de puntos de la nube de puntos de tierra desnuda bajo condiciones de hojas activas es sustancialmente más baja que bajo condiciones de hojas caídas, los modelos de terreno derivados de los tres escenarios son comparables. Una vez verificada la calidad de los DTM, se pueden generar nubes de puntos de altura normalizada que caracterizan la estructura vertical del bosque al eliminar el efecto del terreno. Se logra una detección de árboles individuales con una precisión general de 0.98 y 0.88 bajo condiciones de hojas caídas y cobertura parcial de hojas, respectivamente. Tanto el enfoque de localización de árboles propuesto como el algoritmo de agrupamiento basado en densidad no pueden detectar troncos de árboles bajo condiciones de cobertura total de hojas. En general, el enfoque propuesto supera al algoritmo de agrupamiento existente debido a su baja tasa de falsos positivos, especialmente bajo condiciones de hojas activas. Estos hallazgos sugieren que los datos de alta calidad de LiDAR de UAV pueden mapear efectivamente el terreno y derivar medidas estructurales del bosque para inventarios de árboles individuales incluso bajo un escenario de cobertura parcial de hojas.