Este estudio tiene como objetivo explorar la estimación del peso corporal de los bovinos en posturas de pie y acostados, utilizando datos en 3D. Aplicamos un sistema LiDAR basado en Vehículos Aéreos No Tripulados (UAV) para recopilar datos durante los períodos de descanso rutinarios entre las alimentaciones en las condiciones de cría natural de una granja comercial, lo que garantiza una mínima interrupción para los animales. Los datos de referencia se obtienen pesando a los bovinos a medida que pasan voluntariamente por una balanza incrustada en el entorno. Hemos desarrollado modelos separados para las posturas de pie y acostado y los hemos entrenado con características extraídas de las nubes de puntos segmentadas de los bovinos con identificadores únicos (UID). Los modelos para la postura de pie logran una alta precisión, con un modelo de mejor rendimiento, Random Forest, que obtiene un R2 de 0.94, un MAE de 4.72 kg y un RMSE de 6.33 kg. Se entrenan modelos de regresión lineal múltiple para estimar el peso corporal en la postura acostada, utilizando características de volumen y postura. El modelo utilizó 1 cm como el grosor del cálculo de volumen por rebanadas, logrando un R2 de 0.71, un MAE de 7.71 kg y un RMSE de 9.56 kg. Estos resultados destacan el potencial de los datos LiDAR basados en UAV para la estimación precisa y no intrusiva del peso corporal de los bovinos en posturas acostadas y de pie, lo que allana el camino para mejorar las prácticas de gestión en la agricultura de precisión.