Setelah membahas beberapa alat visualisasi dan interpretasi yang berguna dalam catatan sebelumnya, kita belum berbicara tentang pemrosesan 'irisan tebal'. Oleh karena itu, dalam catatan ini, kami menyajikan metode baru untuk memvisualisasikan data 3D-GPR secara lebih efektif dengan menerapkan pemrosesan 'irisan tebal'. Sejauh pengetahuan kami, metode ini belum tersedia secara komersial sampai sekarang. Konsep asli disajikan kepada kami oleh Mark Grammueck dkk., dari Universitas Miami. Sementara Mark tetap menjadi inovator, kami telah mengadaptasinya sebagai fitur di dalam Condor.
Upaya kami adalah untuk terus mencari metode efektif untuk mengelola kumpulan data besar, tanpa kehilangan resolusi/detail, yang menjaga kedalaman/kewaspadaan dan akurasi posisi dan, akhirnya, memungkinkan mereka untuk memilih target dan mengekspor secara tepat ke lingkungan cad. Lebih lanjut, klien kami meminta fungsionalitas seperti itu yang dikemas dalam lingkungan yang ramah pengguna, tanpa perlu mengutak-atik parameter besar-besaran. OspreyView, sebagaimana kami menyebutnya, memenuhi semua kondisi ini.
Contoh pertama dari apa yang kami presentasikan sekarang ditunjukkan pada gambar 1. Gambar atas menunjukkan pendekatan kami terhadap pemrosesan 'irisan tebal' sementara tampilan bawah menunjukkan irisan tipis tradisional. Meskipun kedua gambar itu bagus, setidaknya lima utilitas ditampilkan dengan jelas dalam gambar OspreyView yang tidak ada di gambar bawah atau hanya dengan sedikit imajinasi. Sebelum menggali lebih jauh, mari kita tinjau secara singkat beberapa konsep dalam pemrosesan irisan tebal. Pertama, irisan kedalaman adalah potongan horizontal melalui kumpulan data Anda, yang menunjukkan amplitudo data setelah pemrosesan diterapkan. Gambar yang dihasilkan (C-scan) memiliki beberapa karakteristik yang signifikan. Ini memberikan gambaran yang sangat baik yang sangat rumit untuk dicapai melalui profil satu baris, dan mempertahankan resolusi penuh dari sistem GPR dan pengumpulan data. Lokalisasi kedalaman target akan tepat, dan bergerak melalui data akan cepat. Gambar 2 (gambar atas) menunjukkan contoh visualisasi dasar tersebut.
Sebagus apa pun jenis visualisasi 'irisan tipis' ini, kelemahan yang jelas adalah ia hanya menunjukkan apa yang dideteksi GPR pada waktu/kedalaman yang dipotong oleh irisan tertentu. Tidak ada visualisasi efektif dari target pencelupan, juga tidak mungkin untuk melihatnya pada kedalaman yang sama sekali berbeda. Menggulir diperlukan, yang menambah waktu, tetapi yang lebih penting, itu tidak memberikan gambaran lengkap kepada operator.
Untuk mengatasi kelemahan ini dan mendapatkan ikhtisar yang lebih baik, merupakan praktik umum untuk menambahkan lebih banyak pemrosesan dengan meratakan irisan pada rentang kedalaman tertentu. Pada Gambar 2, gambar tengah dan bawah menunjukkan efek rata-rata seperti itu pada masing-masing 4 dan 8 irisan. Sementara rata-rata yang diterapkan pada gambar tengah berfungsi, itu tidak berfungsi pada gambar bawah. Degradasi parah data ini disebabkan oleh rentang rata-rata, mendekati, panjang gelombang penuh dari sinyal radar. Metode ini selalu mengurangi resolusi, dan bahkan jika rata-rata 4-irisan tampaknya berhasil, pengamatan yang cermat akan mengungkapkan hilangnya informasi. Transformasi Hilbert sering ditambahkan sebelum rata-rata untuk menghindari pembatalan karena atribut bi-polar sinyal GPR. Namun, pendekatan ini semakin mengurangi resolusi dan karena itu bukan yang kami inginkan.
Meskipun demikian, animasi irisan dengan rata-rata sedang bekerja dengan baik. Ditetapkan pada kecepatan bingkai yang sesuai, mereka menyediakan cara yang efektif untuk memvisualisasikan semua target yang ada, dan pendekatan ini kemungkinan tidak akan segera hilang. Meskipun resolusi penuh dipertahankan, itu tidak mudah digunakan sebagai alat yang mendukung pemilihan target yang tepat untuk ekspor ke lingkungan CAD/GIS – tugas penting bagi klien kami. Terlepas dari itu, ini tetap merupakan cara yang bermakna untuk memvisualisasikan data 3D dan memberi perhatian pada apa yang dapat dicapai dengan GPR.
Kita bisa terus membahas ambang batas amplitudo atau cara lain untuk menyederhanakan dan meningkatkan visualisasi, tetapi itu di luar cakupan dokumen ini. Tujuannya adalah pemrosesan 'irisan tebal', jadi, mari beralih ke OspreyView. Gambar 3 di bawah menunjukkan perbandingan kedua antara metode baru ini (bawah) dan 'irisan tipis' (atas). Dua contoh data mengungkapkan jalur utilitas di bawah persimpangan jalan yang sibuk, berpusat di sekitar. kedalaman 1.3 m.
Dalam contoh ini, operator mengatur OspreyView untuk melihat dari 0.2 hingga 1.9 m, mengungkapkan hampir semua yang tersedia dalam data ini. Rentang luas ini mungkin mengaburkan beberapa detail halus, tetapi memberikan gambaran yang sangat baik.
Mengingat contoh pada Gambar 3, keuntungan OspreyView harus jelas bagi siapa saja yang bekerja dengan data 3D-GPR, meskipun hanya pandangan mata burung melalui tanah yang ditampilkan. Pandangan mata burung ini bukanlah pengiriman terakhir yang dibutuhkan klien kami, tetapi memiliki gambaran yang jelas tentang pemandangan itu sangat penting. Kita akan berbicara tentang presisi nanti.
Bagaimana cara kerja OspreyView?
Secara sederhana, perangkat lunak menerapkan matriks warna untuk kedalaman decoding dan kekuatan pengembalian sinyal. Pendekatan ini berbeda dari palet warna 1 dimensi yang biasa digunakan di seluruh industri GPR.
Seperti yang ditunjukkan pada Gambar 4, matriks warna default diatur, sehingga target di tengah berwarna kehijauan, sedangkan yang lebih dangkal atau lebih dalam masing-masing berwarna kekuningan atau kebiruan. Skema ini cocok untuk menjaga perasaan mendalam pada gambar (sesuai konsep penemunya). Ini adalah proses yang mudah untuk mengubah matriks warna, sesuai kebutuhan bagi mereka yang menginginkan sesuatu yang lain.
Keramahan pengguna adalah fitur yang sering diabaikan. Kami pikir itu penting dan berusaha untuk menjadikannya ciri khas merek ImpulseRadar – mengapa membuat segalanya menjadi rumit ketika tidak perlu? OspreyView dikendalikan oleh dua penggeser, satu untuk rentang kedalaman, dan satu untuk kontras, seperti yang ditunjukkan pada Gambar 4, di atas. Tampilan itu sendiri diaktifkan melalui kotak centang, jadi beralih antara tampilan biasa dan OspreyView cepat dan tidak bisa lebih sederhana.
Kembali ke apa yang klien kami butuhkan untuk dimasukkan ke dalam laporan pengiriman mereka, yaitu lokasi target yang tepat, Gambar 5 di atas, menunjukkan bagaimana OspreyView membantu mengekstrak hal itu. Interpretasi presisi berkisar pada fungsi Ribbon-Box yang disajikan dalam catatan sebelumnya, dan OspreyView berpadu mulus dengan fungsi ini. Hasilnya adalah pemilihan target yang tepat sekarang menjadi tugas yang lebih mudah dengan ikhtisar profil kedalaman kode warna superior OspreyView.
OspreyView bukan hanya cara untuk mewarnai tampilan atas, tetapi juga menyimpan informasi kedalaman. Ini berarti bahwa ketika kita memilih garis di sepanjang utilitas berwarna di tampilan atas, simpul dari pilihan tersebut akan ditempatkan pada kedalaman yang tepat yang ditentukan oleh warna itu. Jadi, singkatnya, sekarang kita membuat pengambilan kedalaman yang tepat dari tampilan atas! Agar ini berfungsi, kita harus memiliki data bersih yang masuk akal, di sisi lain, setiap pilihan yang tidak selaras dapat dengan mudah disesuaikan dalam tampilan samping.
Kami juga menemukan bahwa cara memvisualisasikan data ini membantu kami menemukan target halus dan anomali yang sulit dideteksi. Mereka tidak terlihat dalam tampilan irisan tunggal, tetapi mereka dengan mudah dilewati tanpa diketahui, jika hanya terlihat pada satu irisan kedalaman. Gambar 6, di bawah, mengilustrasikan hal ini dengan sempurna. Gambar atas adalah irisan biasa di mana beberapa struktur buatan manusia hampir tidak terlihat. Mereka hanya mungkin untuk mendeteksi dalam satu atau dua irisan, dan lemah. Bandingkan ini dengan OsrpreyView di mana mereka terlihat jelas.
Kegunaannya tidak terbatas pada data yang ideal, dan pada kenyataannya, kami telah menemukan itu berguna di semua proyek yang telah diterapkan. Jelas, itu tidak membantu ketika posisi salah atau ketika tanah membuat GPR tidak berguna, tetapi kami merasa itu membantu bahkan ketika keadaan menjadi sulit.
Ringkasan
OspreyView adalah aplikasi komersial pertama dari metode baru untuk memvisualisasikan data 3D-GPR. Ini tersedia di perangkat lunak CONDOR kami, dan kelebihannya dirangkum sebagai berikut:
- Pengguna memiliki gambaran yang jelas tentang target di bawah, secara instan, tanpa pemrosesan lebih lanjut dalam jendela waktu variabel yang berubah-ubah.
- Sepenuhnya mempertahankan resolusi data asli, baik secara mendalam maupun spasial.
- Sangat cepat, membalik antara tampilan irisan tradisional dan OspreyView adalah instan.
- Mendukung pengambilan target yang tepat, termasuk kedalaman yang benar, hanya dari tampilan atas, tanpa mengganggu pengambilan di tampilan lain.
- Tidak memerlukan instans pemrosesan terpisah, tidak diperlukan ruang disk tambahan.
- Membantu dalam mendeteksi objek samar, meminimalkan risiko target yang terlewat.
- Memiliki antarmuka pengguna yang mudah dan intuitif, tidak perlu mengubah parameter
