本发明公开了一种基于深度学习的时序点云数据增强方法，包括：1)按采集的时间顺序对点云进行排序；2)抽取k个点云作为原始样本，并指定网络的总共迭代次数为T，网络包含增强器和分类器；3)将原始样本输入到增强器中进行数据增强，得到增强样本；4)将原始样本与增强样本输入到分类器中，利用分类器的分类结果得到分类损失值与增强损失值；5)利用分类损失值与增强损失值，采用反向传播算法更新增强器与分类器的参数，若网络的迭代次数t小于网络的总共迭代次数T，则跳转至步骤2)，否则终止训练，得到最终的分类器参数。本发明为使用时序点云作为输入样本的深度学习模型提供一种数据增强方法，缓解深度学习模型的过拟合情况，协助对点云进行分类的任务。