La nota introduttiva di questa serie ha offerto consigli sulla raccolta di dati di array GPR. Il punto chiave era che un progetto nel mondo reale potrebbe contenere dati non ottimali. Pertanto, questa nota si concentra sul tema del QA/QC dei dati e discuterà gli strumenti utili per la selezione e la gestione delle importazioni di dati nel software di elaborazione. 
L'obiettivo principale è l'importazione di dati di qualità e flussi di lavoro efficienti.
La figura 1 mostra un progetto contenente 2800 singoli profili GPR, che si combinano per formare 175 file di input per una gestione più semplice, sebbene sia ancora un numero considerevole da gestire.
Inoltre, i dati originali contengono oltre 70000 punti di posizionamento, una grande percentuale dei quali è problematica — di conseguenza, set di dati come questi richiedono strumenti pratici per risolvere i problemi in anticipo prima dell'elaborazione.
La figura 2 mostra un primo piano di una parte di questo progetto, in cui la funzione di zoom rivela chiari errori di posizionamento (andane che si intersecano automaticamente) e strisce di dati che non hanno senso.
Statistiche dell'andana
La Figura 3 mostra lo strumento delle statistiche dell'andana, che è un primo passo utile per identificare le letture di dati essenziali al di fuori delle norme del progetto. Nell'esempio mostrato, la densità di posizione media è di ca. 3-4/m0.06, ma alcuni leggono fino a XNUMX/mXNUMX. È lecito ritenere che queste strisce causeranno un problema se vengono importate, quindi deseleziona per ignorare.
Un'altra notevole variazione è la lunghezza dell'andana, dove alcune schede indicano solo pochi metri contro una media di 125 m; ancora una volta, un semplice deselezionare i file problematici li ometterà dall'importazione. 
Statistiche di codifica a colori
La codifica a colori è un modo semplice per evidenziare le andane con densità di posizionamento problematica. Facile da identificare visivamente, un semplice passaggio del cursore del mouse rivela informazioni specifiche relative al nome e alla posizione del file dell'andana, come nell'esempio in Figura 4. La densità dei dati radar può essere trattata in modo simile per evidenziare problemi con i valori del contachilometri e slittamento delle ruote. 
Rimozione dei dati di posizionamento
Continuando con lo stesso esempio di progetto, molti dati sul perimetro non verranno elaborati bene in 3D, quindi la rimozione di tali punti accelererà l'elaborazione dei dati e ridurrà la quantità di spazio di archiviazione del PC richiesto. La Figura 5 mostra un esempio di un semplice strumento per contrassegnare e rimuovere tali punti di posizionamento.
Ridurre la densità di posizionamento
Come indicato in precedenza, le andane con una densità di posizionamento molto elevata saranno problematiche al momento dell'importazione, a causa dell'autointersezione delle andane, un effetto tipicamente causato dall'oscillazione dell'antenna GPS da un lato all'altro. Riducendo la densità di posizionamento della metà da 3-4/m a 1-2/m si ridurrà questo problema. Sebbene significhi rimuovere alcuni dati dal progetto, semplificherà e accelererà i tempi di elaborazione.
Pulizia finale e importazione dei dati radar
Anche dopo aver osservato i passaggi precedenti, potrebbero esserci ancora delle cause di errori nei dati. Il moderno software di elaborazione dovrebbe essere in grado di avvisare l'utente di ciò e guidarlo su dove cercare tali errori, come nell'esempio mostrato nella Figura 6.
Le figure 7 e 8 illustrano come sarà realizzato questo progetto seguendo la metodologia sopra descritta, sia nel suo insieme che in una sezione ravvicinata utilizzando lo zoom.
Un aspetto importante di questo esercizio è che la geometria richiede la pulizia il più possibile prima dell'importazione dei dati radar. L'elaborazione dei dati radar occupa molta memoria del computer e può rallentare le operazioni. In questo caso, nessuna delle geometrie è stata spostata poiché sarebbe molto difficile poiché non abbiamo riferimenti, prima dell'importazione dei dati radar. La prossima nota mostrerà come possiamo usare l'oggetto visibile nei dati del radar per correggere alcuni errori di posizionamento, oltre ad altri suggerimenti.
