A nota introdutória desta série ofereceu conselhos sobre a coleta de dados da matriz GPR. A principal conclusão foi que um projeto do mundo real poderia conter dados abaixo do ideal. Portanto, esta nota se concentra no tópico de QA/QC de dados e discutirá ferramentas úteis para a seleção e gerenciamento de importações de dados para software de processamento. 
O objetivo principal é a importação de dados de qualidade e fluxos de trabalho eficientes.
A Figura 1 mostra um projeto contendo 2800 perfis GPR individuais, que se combinam para formar 175 arquivos de entrada para facilitar o gerenciamento, embora ainda seja um número substancial para lidar.
Além disso, os dados originais contêm mais de 70000 pontos de posicionamento, uma grande porcentagem dos quais são problemáticos - consequentemente, conjuntos de dados como esses exigem ferramentas práticas para resolver problemas antes do processamento.
A Figura 2 mostra um close-up de uma parte deste projeto, onde a função de zoom revela erros de posicionamento claros (faixas de auto-interseção), bem como faixas de dados que não fazem sentido.
Estatísticas de faixa
A Figura 3 mostra a ferramenta de estatísticas de faixa, que é um primeiro passo útil para identificar leituras de dados essenciais fora das normas do projeto. No exemplo mostrado, a densidade de posição média é de aprox. 3-4/m, mas alguns chegam a 0.06/m. É seguro assumir que essas faixas causarão um problema se forem importadas, portanto, desmarque para ignorar.
Outra variação notável é no comprimento da faixa, onde algumas limas indicam apenas alguns metros versus uma média de 125 m; novamente, uma simples desmarcação dos arquivos problemáticos os omitirá da importação. 
Estatísticas de codificação de cores
A codificação por cores é uma maneira simples de destacar faixas com densidade de posicionamento problemática. Fácil de identificar visualmente, um simples cursor do mouse revela informações específicas sobre o nome e a posição do arquivo de faixa, conforme o exemplo da Figura 4. A densidade dos dados do radar pode ser tratada de maneira semelhante para destacar problemas com os valores do odômetro e deslizamento da roda. 
Remoção de dados de posicionamento
Continuando com o mesmo exemplo de projeto, muitos dados no perímetro não serão bem processados em 3D, portanto, a remoção desses pontos acelerará o processamento de dados e reduzirá a quantidade de espaço de armazenamento do PC necessária. A Figura 5 mostra um exemplo de uma ferramenta simples para marcar e remover tais pontos de posicionamento.
Reduzindo a densidade de posicionamento
Conforme indicado anteriormente, faixas com uma densidade de posicionamento muito alta serão problemáticas na importação, devido à auto-interseção de faixas, um efeito normalmente causado pela oscilação da antena GPS de um lado para o outro. Reduzir a densidade de posicionamento pela metade de 3-4/m para 1-2/m diminuirá esse problema. Embora isso signifique remover alguns dados do projeto, isso simplificará e acelerará o tempo de processamento.
Limpeza final e importação de dados de radar
Mesmo depois de observar as etapas anteriores, ainda pode haver algum motivo para erros nos dados. Um software de processamento moderno deve ser capaz de alertar o usuário sobre isso e orientá-lo sobre onde procurar por tais erros, conforme o exemplo mostrado na Figura 6.
As Figuras 7 e 8 ilustram como ficará este projeto seguindo a metodologia descrita acima, tanto como um projeto completo quanto uma seção em close usando zoom.
Uma lição importante deste exercício é que a geometria requer limpeza o máximo possível antes da importação dos dados do radar. O processamento de dados de radar consome muita memória do computador e pode tornar as operações mais lentas. Neste caso, nenhuma geometria foi movida, pois isso seria muito difícil, pois não temos referências, antes da importação dos dados do radar. A próxima nota mostrará como podemos usar objetos visíveis nos dados do radar para corrigir alguns erros de posicionamento, além de algumas outras dicas.
