本发明揭示了一种基于深度学习的点云上采样方法，包括：获取由第一数量个稀疏输入点和第二数量个稠密输入点组成的训练数据；构建深度网络模型，用于对从第一数量个稀疏输入点提取的初始特征向量分别进行复制和基于曲率的采样操作，得到第二数量个中间特征向量，对每个中间特征向量进行拼接操作，将拼接操作之后的中间特征向量输入多层感知机，基于多层感知机输出的采样特征向量确定出采样预测点；训练深度网络模型，直到由采样预测点和稠密输入点确定出的目标函数收敛；测试深度网络模型，得到测试物体上采样后的点云数据。此方法能够将稀疏点云转化为基于曲率自适应分布的密集点云，准确表征了物体轮廓，更有利于三维数据的表达、渲染和可视化。