La nota introductoria de esta serie ofreció consejos sobre la recopilación de datos de matriz GPR. La conclusión clave fue que un proyecto del mundo real podría contener datos que no son óptimos. Por lo tanto, esta nota se enfoca en el tema de QA/QC de datos y discutirá herramientas útiles para la selección y administración de importaciones de datos en software de procesamiento. 
El objetivo principal es la importación de datos de calidad y flujos de trabajo eficientes.
La Figura 1 muestra un proyecto que contiene 2800 perfiles de GPR individuales, que se combinan para formar 175 archivos de entrada para una gestión más sencilla, aunque todavía hay un número importante para gestionar.
Además, los datos originales contienen más de 70000 XNUMX puntos de posicionamiento, un gran porcentaje de los cuales son problemáticos; en consecuencia, conjuntos de datos como estos requieren herramientas prácticas para resolver problemas antes de procesarlos.
La figura 2 muestra un primer plano de una parte de este proyecto, donde la función de zoom revela errores de posicionamiento claros (franjas que se intersecan a sí mismas), así como franjas de datos que no tienen sentido.
Estadísticas de franjas
La Figura 3 muestra la herramienta de estadísticas de franjas, que es un primer paso útil para identificar lecturas de datos esenciales fuera de las normas del proyecto. En el ejemplo que se muestra, la densidad de posición promedio es de aprox. 3-4/m, pero algunos leen tan bajo como 0.06/m. Es seguro asumir que estas franjas causarán un problema si se importan, así que desmarque para ignorar.
Otra variación notable es la longitud de la franja, donde algunos archivos indican solo unos pocos metros frente a un promedio de 125 m; de nuevo, una simple desmarcación de los archivos problemáticos los omitirá de la importación. 
Estadísticas de codificación de colores
La codificación por colores es una forma sencilla de resaltar franjas con una densidad de posicionamiento problemática. Fácil de identificar visualmente, un simple movimiento del cursor revela información específica sobre el nombre y la posición del archivo de franja, como en el ejemplo de la Figura 4. La densidad de los datos del radar se puede tratar de manera similar para resaltar los problemas con los valores del odómetro y patinaje de rueda 
Eliminación de datos de posicionamiento
Continuando con el mismo ejemplo de proyecto, una gran cantidad de datos en el perímetro no se procesarán bien en 3D, por lo que eliminar dichos puntos acelerará el procesamiento de datos y reducirá la cantidad de espacio de almacenamiento de PC requerido. La Figura 5 muestra un ejemplo de una herramienta simple para marcar y eliminar tales puntos de posicionamiento.
Reducir la densidad de posicionamiento
Como se indicó anteriormente, las franjas con una densidad de posicionamiento muy alta serán problemáticas al momento de la importación, lo que se debe a la auto-intersección de las franjas, un efecto causado típicamente por la oscilación de la antena GPS de lado a lado. Reducir la densidad de posicionamiento a la mitad de 3-4/ma 1-2/m disminuirá este problema. Aunque significa eliminar algunos datos del proyecto, simplificará y acelerará el tiempo de procesamiento.
Limpieza final e importación de datos de radar
Incluso después de observar los pasos anteriores, aún puede haber alguna causa de errores en los datos. El software de procesamiento moderno debería poder advertir al usuario de esto y guiarlo sobre dónde buscar tales errores, como se muestra en el ejemplo de la Figura 6.
Las Figuras 7 y 8 ilustran cómo se verá este proyecto después de seguir la metodología descrita anteriormente, tanto como un proyecto completo como una sección de cerca usando zoom.
Una conclusión importante de este ejercicio es que es necesario limpiar la geometría tanto como sea posible antes de importar los datos del radar. El procesamiento de datos de radar ocupa mucha memoria de la computadora y puede ralentizar las operaciones. En este caso, no se movió nada de la geometría, ya que sería muy difícil ya que no tenemos referencias antes de la importación de datos de radar. La siguiente nota mostrará cómo podemos usar objetos visibles en los datos del radar para corregir algunos errores de posicionamiento, además de algunas otras sugerencias.
