Catatan pengantar dalam seri ini menawarkan saran tentang pengumpulan data larik GPR. Pengambilan kuncinya adalah bahwa proyek dunia nyata dapat berisi data yang kurang optimal. Oleh karena itu, catatan ini berfokus pada topik QA/QC data dan akan membahas alat yang berguna untuk pemilihan dan pengelolaan impor data ke dalam perangkat lunak pemrosesan. 
Tujuan utamanya adalah mengimpor data berkualitas dan alur kerja yang efisien.
Gambar 1 menunjukkan proyek yang berisi 2800 profil GPR individu, yang digabungkan menjadi 175 file input untuk pengelolaan yang lebih mudah, meskipun, masih dalam jumlah yang cukup besar untuk ditangani.
Selanjutnya, data asli berisi lebih dari 70000 titik penentuan posisi, sebagian besar di antaranya bermasalah — akibatnya, kumpulan data seperti ini memerlukan alat praktis untuk menyelesaikan masalah sejak dini sebelum diproses.
Gambar 2 menunjukkan close up dari salah satu bagian dari proyek ini, di mana fungsi zoom mengungkapkan kesalahan pemosisian yang jelas (swath berpotongan sendiri) serta petak data yang tidak masuk akal.
Statistik petak
Gambar 3 menunjukkan alat statistik petak, yang merupakan langkah pertama yang berguna untuk mengidentifikasi pembacaan data penting di luar norma proyek. Dalam contoh yang ditunjukkan, kerapatan posisi rata-rata adalah kira-kira. 3-4/m, tetapi beberapa membaca serendah 0.06/m. Aman untuk mengasumsikan bahwa petak ini akan menyebabkan masalah jika mereka mengimpor, jadi hapus centang untuk mengabaikan.
Variasi lain yang terlihat adalah dalam panjang petak, di mana beberapa file menunjukkan hanya beberapa meter dibandingkan dengan rata-rata 125 m; sekali lagi, hapus centang sederhana pada file masalah akan menghilangkannya dari impor. 
Statistik kode warna
Pengodean warna adalah cara sederhana untuk menyorot petak dengan kepadatan posisi yang bermasalah. Mudah untuk mengidentifikasi secara visual, kursor mouse-over sederhana mengungkapkan informasi spesifik mengenai nama file petak dan posisi, seperti contoh pada Gambar 4. Kepadatan data radar dapat diperlakukan dengan cara yang sama untuk menyoroti masalah dengan nilai-nilai odometer dan slip roda. 
Penghapusan data pemosisian
Melanjutkan contoh proyek yang sama, banyak data di perimeter tidak akan diproses dengan baik dalam 3D, jadi menghapus titik tersebut akan mempercepat pemrosesan data dan mengurangi jumlah ruang penyimpanan PC yang diperlukan. Gambar 5 menunjukkan contoh alat sederhana untuk menandai dan menghapus titik pemosisian tersebut.
Mengurangi kepadatan posisi
Seperti yang ditunjukkan sebelumnya, petak dengan kepadatan yang sangat tinggi dari pemosisian akan bermasalah saat diimpor, yang disebabkan oleh persimpangan petak, efek yang biasanya disebabkan oleh antena GPS yang bergoyang dari sisi ke sisi. Mengurangi kepadatan posisi hingga setengahnya dari 3-4/m menjadi 1-2/m akan mengurangi masalah ini. Meskipun itu berarti menghapus beberapa data dari proyek, itu akan menyederhanakan dan mempercepat waktu pemrosesan.
Pembersihan akhir dan impor data radar
Bahkan setelah mengamati langkah-langkah sebelumnya, mungkin masih ada beberapa penyebab kesalahan dalam data. Perangkat lunak pemrosesan modern harus dapat memperingatkan pengguna tentang hal ini dan memandu mereka di mana mencari kesalahan tersebut, seperti contoh yang ditunjukkan pada Gambar 6.
Gambar 7 dan 8 mengilustrasikan bagaimana proyek ini akan terlihat setelah mengikuti metodologi yang dijelaskan di atas, baik secara keseluruhan proyek maupun bagian close up menggunakan zoom.
Hal penting yang dapat diambil dari latihan ini adalah bahwa geometri memerlukan pembersihan sebanyak mungkin sebelum mengimpor data radar. Pemrosesan data radar memakan banyak memori komputer dan dapat memperlambat operasi. Dalam hal ini, tidak ada geometri yang dipindahkan karena itu akan sangat sulit karena kami tidak memiliki referensi, sebelum impor data radar. Catatan berikutnya akan menunjukkan bagaimana kita dapat menggunakan objek yang terlihat dalam data radar untuk mengoreksi beberapa kesalahan pemosisian, selain beberapa petunjuk lainnya.
