本发明一种基于自监督深度学习的点云任意尺度上采样方法属于点云处理技术领域；该方法通过估计顶点到点云对应的隐表面的距离，生成一系列种子顶点；对于每个种子顶点，将距离其最近的若干个点云顶点坐标作为神经网络的输入，输出该顶点在隐表面上的投影点；最后通过最远点采样，调节投影点数量至目标顶点数量。由于种子节点的密度可以任意设置，因此上采样倍率也可任意设置，又因为每个投影点都是独立生成的，网络每次仅需要处理一个顶点的情况，与上采样倍率无关，故无需重复训练网络；同时，在生成训练数据时，仅需要三维网格模型，在模型附近生成种子顶点以及其对应的投影方向与投影距离，无需成对的稠密点云‑稀疏点云，故本方法是自监督的。