本系列的介绍性说明提供了有关 GPR 阵列数据收集的建议。 其中的关键点是，现实世界的项目可能包含不太理想的数据。 因此，本说明侧重于数据 QA/QC 主题，并将讨论用于选择和管理数据导入处理软件的有用工具。 
主要目标是导入质量数据和高效的工作流程。
图 1 显示了一个包含 2800 个单独的 GPR 配置文件的项目，这些配置文件组合成 175 个输入文件以便于管理，但仍然需要处理大量的文件。
此外，原始数据包含超过 70000 个定位点，其中很大一部分是有问题的——因此，此类数据集需要实用工具在处理之前及早解决问题。
图 2 显示了该项目的一个部分的特写，其中缩放功能显示了清晰的定位错误（自相交的条带）以及没有意义的数据条带。
条带统计
图 3 显示了 swath 统计工具，这是识别项目规范之外的基本数据读数的有用的第一步。 在所示示例中，平均位置密度约为。 3-4/m，但有些读数低至 0.06/m。 可以安全地假设这些条带在导入时会导致问题，因此取消选中以忽略。
另一个明显的变化是条带长度，有些文件显示只有几米，而平均为 125 m； 再次，对问题文件的简单取消选中将从导入中忽略它们。 
颜色编码统计
颜色编码是一种简单的方法来突出具有问题定位密度的条带。 根据图 4 中的示例，简单的鼠标悬停在视觉上易于识别，显示有关扫描文件名称和位置的特定信息。雷达数据的密度可以以类似的方式处理，以突出里程计值的问题和车轮打滑。 
删除定位数据
继续同一个项目示例，周边的大量数据在 3D 中处理效果不佳，因此移除这些点将加快数据处理速度并减少所需的 PC 存储空间量。 图 5 显示了标记和删除此类定位点的简单工具示例。
降低定位密度
如前所述，具有非常高定位密度的条带在导入时会出现问题，这是由于条带的自相交造成的，这种影响通常是由 GPS 天线左右摇摆造成的。 将定位密度从 3-4/m 降低一半至 1-2/m 将减少此问题。 虽然这确实意味着从项目中删除一些数据，但它会简化并加快处理时间。
最终清理和雷达数据导入
即使在观察了前面的步骤之后，数据中仍然可能有一些错误的原因。 现代处理软件应该能够警告用户这一点，并指导他们在哪里搜索此类错误，如图 6 中所示的示例。
图 7 和图 8 说明了该项目在遵循上述方法后的外观，包括整个项目和使用缩放的部分特写。
本练习的一个重要收获是，在导入雷达数据之前，需要尽可能多地清理几何结构。 处理雷达数据会占用大量计算机内存，并且会减慢操作速度。 在这种情况下，没有任何几何图形被移动，因为在雷达数据导入之前我们没有参考，这将非常困难。 下一篇笔记将展示我们如何使用雷达数据中的可见物体来纠正一些定位错误，以及一些其他提示。
