Los bosques, como el principal componente del ecosistema terrestre, han sido durante mucho tiempo puntos focales para la extracción precisa de parámetros estructurales. Entre estos parámetros, la altura de los árboles es un factor de medición fundamental que desempeña un papel importante en el monitoreo de la estructura y la biomasa del bosque. La aparición de la tecnología de detección y medición por láser de vehículos aéreos no tripulados (UAV-LiDAR) ha proporcionado una fuerte garantía para la adquisición de parámetros de altura de árboles en los bosques. Sin embargo, los datos de nubes de puntos de UAV-LiDAR presentan problemas como un gran volumen y redundancia de datos, y diferentes métodos de procesamiento de nubes de puntos tienen efectos distintos. Basado en el análisis experimental del procesamiento de datos de nubes de puntos mediante filtrado por voxel (VF) y eliminación de valores atípicos estadísticos (SOR), este estudio exploró la influencia de diferentes métodos de filtrado en la eficiencia y precisión de la inversión de la altura de los árboles en el bosque. Primero, los datos de nubes de puntos procesados por VF son significativamente mejores que los de SOR en términos de número de puntos, tamaño de archivo, tiempo de ejecución, etc. El número de puntos de nube para VF disminuyó en un promedio del 96.91% en comparación con las nubes de puntos originales. En segundo lugar, la precisión de la inversión de la altura de los árboles con VF fue mejor que la de los datos de inversión de altura de árboles utilizando SOR. La precisión promedio de VF fue del 96.24%, mientras que la de SOR fue del 94.17%. En resumen, VF puede reducir efectivamente la redundancia de datos y mejorar la precisión de la inversión de la altura de los árboles.