本发明公开了一种基于深度学习的树木点云补全方法，本方法为缺失点云预测和补全结果优化两个阶段。在预测阶段我们使用端到端的神经网络，通过给定残缺树木点云预测缺失的部分。在此阶段仅预测缺失部分的点云，保持输入点云不变。但预测结果存在与输入点云融合不好的现象。为此，我们采用点云优化网络对预测结果和原始输入做进一步的处理，以优化总体分布。我们的结果表明，针对残缺树木点云补全，预测网络和优化网络的组合取得了较好的效果。具有补全效率高、形态真实、适用范围广的特点。本发明为避免由于体素化带来的的高存储成本和几何信息的丢失，在原始点云上构建并运行网络，能够对残缺的树木点云有效修补。