牛的体尺生长参数是衡量草原畜牧业牛只生长状况的重要指标,可以直观反映牛只的生长发育状况。传统的牛体尺测量方法采用人工接触式测量,方法费时费力,还伴有牛伤人风险。针对这一问题,本文结合计算机视觉、深度学习、图像处理等相关技术设计并实现了一种基于Kinect v4传感器的牛体尺测量系统。首先,通过Kinect v4传感器采集牛体侧面的彩色、深度图像信息,并融合成RGB-D图像;其次,制作了牛体尺特征部位图像数据集CABM2022,利用深度学习卷积神经网络YOLOv5（You Only Look Once v5）目标检测算法检测RGB-D图像的彩色图像部分,获取图像中的牛体尺特征部位的位置,减少牛体其他部位和背景对体尺测点提取的干扰;再次,根据图像中的牛体尺特征部位信息判断采集图像是否适合用于牛体尺测量,将适合体尺测量的图像根据牛体尺特征部位信息进行裁剪,利用Open CV（Open source Computer Vision）图像处理库中的Canny边缘检测、轮廓提取等图像处理算法和深度图像不易受外界环境干扰的特性在裁剪后的RGB-D局部图像中提取牛体尺测点所在的边缘轮廓,然后利用多项式拟合和三点圆弧曲率法等在边缘轮廓中提取牛体尺测点,将测点转换回RGB-D图像中的对应位置;继次,通过RBG-D图像的深度信息将二维图像中的牛体尺测点和地面信息转换到三维坐标系下,利用随机抽样一致算法在三维坐标系下拟合地面平面表达式,结合三维欧氏距离、点到平面距离公式在三维坐标系下设计牛体尺数据的计算方法。最后,通过QT Designer设计了图形用户界面,基于Py Qt框架设计了牛体尺测量系统。经过在实验室对传感器和模型黄牛侧面成不同偏角时的实验测量和在包头昆北牧场对牧场牛的实地测量,牛体尺数据的平均相对误差分别小于2%和5%。实验结果表明,体尺测量方法的测量精度较高,可以满足自然状态下牛体尺生长参数测量的需求。本文为基于计算机视觉测量牛体尺生长参数提供了一种新的方法。