I föregående anteckning täckte vi några steg för att rensa upp geometrin innan radardata laddas; huvudtanken var att spara tid genom att inte gå igenom processen att ladda en stor mängd komprometterad data. Den här noten kommer att behandla möjligheterna att redigera geometri efter att radardata laddats och förklara varför positionering generellt sett måste vara mycket bra i 3D-projekt.
Laddar radar GPR-data 
När vi laddar radardata måste vi specificera interpolationsavståndet som programvaran kommer att använda internt. Som nämnts tidigare är det vanligtvis till liten nytta att göra detta avstånd kortare än halva kanalavståndet.
En annan faktor är minnet som behövs för att hantera data, och detta avstånd dikterar direkt det. I figur 3 visar vi ett litet projekt, med rådata på 55 MB. Under datainsamlingen var punktavståndet 2 cm, med ett kanalavstånd på 11 cm. Bilderna visar data interpolerade till 2 cm, 4 cm och 10 cm fack. Som kan ses, för att hitta verktygen, skulle någon av dessa inställningar vara bra. Det diskutrymme som behövs för att rymma alla steg i efterbehandlingen fram till det visade stadiet är dock helt olika – 0.25 GB för 10 cm binning och 3.8 GB för 2 cm binning. Så i det här fallet, genom att interpolera till 2 cm, fick vi 70 gånger den ursprungliga datastorleken. Alla synliga fördelar är dock försumbara, så interpolering med 10 cm binning verkar vara ett lämpligt val, med tanke på att det bara kräver 5 gånger diskutrymmet för rådata.
Behöver vi lite snygg filtrering för att importera data? Nej, dc-justering, de-wow eller bandpass, kombinerat med tröskelvärde och kompensation för Rx-Tx-avståndet, är allt som behövs – förutsatt att rådatan är av god kvalitet.
Korrigera dåliga positioner
Figur 3 nedan visar ett snitt från en undersökning utförd med ett fordonsmonterat system. Inte ens den mest oberäkneliga föraren kunde skapa banan ABC som visas. Denna typ av positioneringsfel är typiskt när man tillåter variationer i RTK-koordinater mellan fix och float. När fixeringen går förlorad hoppar utsignalen från GPS:en oförutsägbart. 
Vi vet inte om positioneringen före B och efter C är bra, men vi kan dra slutsatsen av anomin vid A att vi inte är helt vilse. Vid A har vi en kontinuerlig anomali som korsar två strängar, så åtminstone den relativa positionen mellan dessa två strängar är bra vid den punkten.
I figur 4 visas resultatet av korrigeringsåtgärderna, med en viss högre förstärkning på data. Vi har nu en kontinuerlig anomali på B och kan vara säkra på att vi gjort något i rätt riktning. Vad vi gjorde här var främst att ta bort positioneringspunkter mellan B och C, vilket lämnade vägmätarhjulet som den enda positioneringsanordningen mellan dessa punkter.
Så kan vi nu dra slutsatsen att det är möjligt att fixa dålig positionering? Nej, vi ska inte tänka i den riktningen. Det är möjligt att korrigera mindre fel, men om positioneringen är dålig under ett projekt kommer det att vara för tidskrävande att fixa. Kom ihåg projektet som visades i en tidigare anteckning, med mer än 70,000 XNUMX positioneringspunkter; det skulle vara omöjligt att korrigera en stor del av dessa.
I praktiken är vi begränsade till att ta bort några synligt felaktiga positioneringspunkter och flytta andra, förutsatt att vi har anomalier som hjälper till att göra det. Med allt detta sagt bör vi också nämna att kommersiellt är det ofta ok att leva med några mindre fel, och möjligheten att korrigera en del av geometrin kanske inte alltid är värt ansträngningen.
Ta bort
Ofta väljs interpolationsavstånd för korta i tron att detta kommer att förbättra data, medan i själva verket kanalavståndet är den mest begränsande parametern. Vi säger inte att man alltid ska interpolera till kanalavståndet, bara att man inte ska överskatta förmågan att använda den till synes högre densiteten längs strängen för att förbättra de slutliga bilderna. Vi har inte sett någon betydande fördel med att interpolera till mindre än halva kanalavståndet. Vi har också märkt att en modern, interaktiv mjukvara gör det möjligt att korrigera för vissa positioneringsfel, även om vi också varnar för överoptimistiska synpunkter på denna förmåga. I stora datamängder är det omöjligt, och när det är möjligt är det mycket beroende av att anomalier är synliga.
I vår nästa anteckning kommer vi att täcka en del av bearbetningen vi gör innan tolknings- och exportstegen.
