Havet er en essensiell brikke i jordens komplekse puslespill, bemerkelsesverdig uoppdaget og fullt av muligheter. Hånd i hånd med teknologisk utvikling er robotikk-feltet i ferd med å bokstavelig talt ta seg vann over hodet, slik at potensialet under vannoverflaten kan utnyttes. Formålet med denne oppgaven er å danne grunnlaget for en ubemannet undervannsfarkost som enkelt kan benyttes i forskningsøyemed. Det vil bidra til å forenkle og muliggjøre felteksperiment for å bane vei for multiagent undervannsforskning. Navigasjon under vann er én av hovedutfordringene knyttet til autonome undervannsoperasjoner. I forbindelse med dette prosjektet har en navigasjonsløsning bestående av et error-state Kalman filter (ESKF) blitt implementert og evaluert. Eksperimentelle forsøk viser forflytting i tilstandsestimatene av farkostens posisjon og bevegelsesretning, noe som er forventet når kun interoseptive sensorer benyttes. Dette medfører en ubegrenset vekst i usikkerhet knyttet til estimatene. Veksten kan begrenses ved å utføre deteksjon i akustiske bilder fra en sidesøkende sonar, men bruk av deteksjonsmetoder er på ingen måte uproblematisk grunnet intensitetsvariasjoner og geometriske forvrengninger. I denne oppgaven implementeres en sekvens av prosesseringssteg bestående av intensitetsnormalisering, avstandskorreksjon, eliminering av blindsone, og geometrisk korreksjon. De ferdigprosesserte akustiske bildene framstår som mer presise representasjoner av havbunnen. Derfor er bildene bedre egnet for deteksjon i navigasjonsøyemed. Videre arbeid bør omfatte implementasjon av en detektor for prosesserte akustiske bilder. Deretter bør hele systemet justeres og reevalueres i kontekst av detektorens ytelse.