近年来,随着社会、经济和科技的快速发展,人民生活水平不断提升,城市化进程逐渐加快。但随着城市化步伐的加速,生态环境问题日益凸显,城市日益增长的生活垃圾产量和城市生活垃圾回收处理问题逐渐成为社会关注的焦点。归功于信息技术和计算机视觉技术的快速发展,以及硬件性能的大幅提升,智能化、自动化和信息化的城市生活垃圾管理系统已经成为生态环境保护的重要研究方向。本文围绕该研究方向,结合计算机视觉技术、物联网技术,构建了一套城市生活垃圾管理系统。研究内容主要包括以下两个方面:（1）智能垃圾桶为主体的城市生活垃圾管理系统:本文基于人工神经网络的图片分类技术、物联网技术和云计算技术,构建了一套包括智能垃圾桶终端、居民手机用户端、云计算服务端和物联网数据平台的城市生活垃圾管理系统。系统将可回收城市垃圾细分为塑料、玻璃、纸或纸板、金属、织物和其他可回收废物六类。首先,居民通过手机APP拍摄并上传所要丢弃的垃圾的图片。图片数据将被上传至云计算服务端的服务器上,服务器运行图片分类识别程序,并将识别结果返回给手机用户端。然后,手机用户端即可根据识别结果控制打开对应类别的垃圾桶盖,完成垃圾的分类投放。同时,搭载了各类传感器的智能垃圾桶终端会将传感器数据上传至物联网数据平台,用于监测垃圾桶的运行状况、区域的垃圾生产总量等。这些数据可用于后续垃圾回收计划的制定,设备部署计划和设备维护计划的修改。本文共测试了7种当前先进的卷积神经网络,使用了多种图像数据的预处理方法,在验证集上,这些算法的分类准确率在91.9%到94.6%之间。其中Mobile Net V3网络具有较高的分类精度（94.26%）、较小的存储大小（49.5 MB）和最短的运行时间（261.7 ms）,分类效果对于城市生活垃圾管理系统具有实际意义。（2）城市环卫无人车视觉系统的设计:在上述的城市生活垃圾管理系统体系下,针对日常局部道路清洁的需求,本文提出城市环卫无人车视觉系统。基于Robot Operating System（ROS）,我们设计了一套环卫无人车视觉部分的系统框架。系统使用双目ORB-SLAM2算法实现基于视觉的环境建图和姿态估计,为无人车的运行提供周围的环境信息与位姿变化。在深度估计任务中,对比传统视觉方法和深度学习方法,选择了实时性更好、无需训练的Semi-Global Block Matching（SGBM）算法。使用YOLOX-s算法实现垃圾目标检测,结合深度估计结果和位姿数据,实现对垃圾物体空间位置的感知,完成了无人车自动清扫系统开发的前期工作。