体尺和体重参数是评估牛只生长状况的关键指标，精准获取此类参数对智慧畜牧业发展具有重要意义。研究表明，机器视觉技术已实现从单一二维彩色图像（Red-Green-Blue,RGB）到多模态感知的跨越，基于三维点云的估测方法可将体尺测量误差控制在2%～5%，体重估测精度达90%以上，单次测量时间<10 s，显著提升了数据采集效率。本文系统综述了机器视觉技术在牛只体尺体重估测中的研究进展，重点分析了深度学习模型在关键点检测和回归预测中的应用，以及三维点云建模技术在体尺参数提取中的优化策略，探讨了当前技术面临的动态场景下的鲁棒性不足、硬件成本较高等问题，并展望轻量化三维点云建模算法、多模态特征融合以及边缘计算部署等未来研究方向，以进一步推动无接触测量技术在智慧畜牧业的落地应用。