近些年来,随着3D相机不断地发展,分辨率、帧率等性能不断提高,三维视觉相关的研究也吸引了学界与产业界越来越多的目光,三维重建、三维物体识别都已成为热门研究领域,也取得了非常丰富的成果。但3D相机的发展使数据量也呈现出爆炸式的增长,在当前有限的带宽与存储空间下,三维视觉算法实现真正的广泛应用仍然面临着严峻的挑战,所以研究一种高质量、高效率的压缩三维数据的方法迫在眉睫。本文深度视频压缩算法通过关键帧编码和帧间运动估计与补偿实现数据压缩。选取部分帧利用这些图像帧做运动估计预测其它帧,称为关键帧,关键帧编码主要包括残差编码和分割编码两种,帧间预测编码主要包括关键帧选取、帧间运动估计和图像变换编码技术。首先帧内编码根据深度图像大平面光滑的数据特性,可以利用行程编码进行近无损压缩。其次,针对高比特数据变换小和低比特数据与灰度图特性相似的算法提出了分割编码的方式,有效的对深度视频的关键帧进行了压缩。传统视频压缩算法中帧间运动估计在二维平面实现,并未利用深度视频的三维空间信息,所以存在估计精度不够高,不适用于移动相机的问题,本文提出了基于相机位姿信息实现帧间预测与编码的方法。结合关键帧的压缩编码,该算法实现了对移动相机采集的深度视频序列高质量与高效率的压缩。另外,本文的算法除了可以压缩深度视频之外,还能实现时域滤波,一定程度上平滑噪声,同时还能填补深度图像的空洞。最后,提出的帧间运动估计算法除了适用于该压缩框架之外,还能应用到其他压缩算法的运动估计部分,同时该算法的压缩结果也是SLAM建图结果的一种存储方法。实验主要基于SUNCG仿真数据集和Smart-ToF采集的实际数据集,经过验证与分析,我们的算法在移动相机采集的深度视频数据中具有良好的压缩率和信噪比。在仿真数据集当中,压缩后视频PSNR达到35,压缩率达到50:1,在实际采集数据集当中,压缩后视频PSNR达到45,压缩率达到40:1。