本申请提出了一种基于图卷积神经网络的实时三维运动补全方法，该方法包括：通过测距设备对动态场景进行拍摄，获得深度图像序列，并将每帧深度图像转换为三维点云数据，其中，动态场景包括进行三维运动的目标对象；通过点云匹配确定相邻两帧深度图像之间的匹配点对，获得目标对象的可见部分的三维运动；根据深度图像序列对目标对象进行三维重建，获得目标对象对应的完整的物体几何模型；基于物体几何模型和可见部分的三维运动，通过预先训练完成的图卷积神经网络估计不可见部分的三维运动，获取目标对象完整的三维运动。该方法能够实时准确地对不连续、不完整的三维运动进行补全，提高了获取完整的三维运动的实时性和适用性。