随着人民生活水平的日益提升,不可避免地造成生活垃圾的排放增多,垃圾分类是解决此问题的有效方法。但垃圾分类的监督引导,垃圾的清运处理环节需要大量人力,因此本文利用深度学习、自主导航等技术设计并实现了一款基于ROS的智能垃圾分拣清运机器人,能够完成对垃圾的拾取、分类、搬运及投放一系列功能,相信会有广阔的发展空间。本文的重点研究内容包括:（1）完成了机器人系统的总体设计与建模仿真。系统分析了机器人的实际功能需求,并以此设计了机器人系统的硬件结构和软件框架;对移动底盘和机械臂的运动学与动力学进行解析,从而建立了机器人的Gazebo仿真模型,用于仿真测试。（2）设计并实现了垃圾识别定位与拾取功能。分析了双目相机和ssd＿inception＿v2模型的相关理论;创建了本文的垃圾图像数据集,并通过迁移学习完成了模型训练;设计了一种垃圾空间定位方案并提出一种滤波算法对其优化,提高了目标位置信息的输出有效率;设计了垃圾拾取与分类投放的方案并对其优化:提出一种shz＿target消息类型,能够保证垃圾正确分类,提出一种触发机制,降低了垃圾识别对计算机资源的占用。（3）设计并实现了全覆盖路径规划与导航避障功能。阐述了Gmapping建图原理和两种全覆盖算法的对比与选择;研究了AMCL定位、navigation导航框架,以及TEB局部路径规划原理;提出了一种基于圆形检测区域的PID与navigation导航栈相结合的全覆盖导航算法,提升了机器人的全覆盖效果;在此基础上提出了一种局部代价地图与TEB算法相结合的主动避障策略,实现了对不同尺寸障碍物的避障。本文完成了各个功能的集成;设计了图形化人机交互界面,方便控制和观察机器人状态;分别在仿真和实际环境中进行了实验测试,由实验测得,垃圾在X,Y,Z三个方向的定位精度分别为4.73mm,3.85mm,2.96mm,对目标垃圾的识别和分拣成功率分别为90.56%和85.00%,使用本文滤波算法的空间定位有效率为90.07%,较优化前提升了10.45%,实际环境中全覆盖路径规划的覆盖率与重复率分别为80.27%和6.39%,实验结果证明了本文设计并实现的基于ROS的智能垃圾分拣清运机器人运行情况良好,满足预期要求,为后续进行相关研究奠定了基础。