Die Navigation von autonomen Unterwasserfahrzeugen (AUV) stellt in der Robotik eine spezielle Herausforderung dar. Oft steht keine Sensorik für eine absolute Positionsreferenz zur Verfügung. Eine relative Lokalisierung auf Basis von Inertialsensorik, dem Dead-Reckoning, ist auf Grund des Positionsdrifts nicht praktikabel. Daher ist es in diesem Fall notwendig, eine Umgebungskarte zu erzeugen und diese als Positionsreferenz zu nutzen.
Dieses Problem der gleichzeitigen Lokalisierung und Kartierung ist in der Robotik unter dem Begriff SLAM bekannt, und wird in dieser Arbeit im Kontext von AUVs betrachtet. Als Evaluationsfahrzeug dient das AUV FlatFish, das mit einem Multibeam-Imaging-Sonar ausgestattet ist. Das Sonar soll genutzt werden, um bojenartige Sonar-Reflektoren zu detektiert und zu kartieren.
Während im State-of-the-Art oft 2D-Karten für die Unterwassernavigation verwendet werden, soll diese Thesis zeigen, wie einfache 3D-Features für einen sonarbasierten Unterwasser-SLAM genutzt werden können. Hierfür wird innerhalb eines Fast-SLAMs eine erweiterte Feature-Repräsentation auf Basis von Sum-Of-Gaussian-Filtern eingeführt, welche eine genauere Modellierung der Sonar-Mehrdeutigkeiten ermöglichen.