本发明公开了一种应用于三维目标检测的数据增强方法，通过随机改变生成网格状蒙版尺寸比例来对网络进行不同的信息丢失，当比例较小时，生成更加密集的信息丢失网格蒙版，当网格比例较大时，生成比较稀疏的信息丢失网络蒙版。通过合理调节网格比例可以在增加数据集规模的同时保留目标点云关键信息，防止深度神经网络无法收敛。相较于传统的将边界框划分为数块小边界框，离散网格蒙版即使在网格比例较大时也能保留目标点云的关键信息。本发明可以在每次进行信息丢失操作过程中针对相同的目标框产生不同的数据增强效果，显著的提高了数据集的规模，使得训练得到的深度学习模型具有更好的鲁棒性。