Gebäudegrundrisse in QGIS erkennen: 3 Methoden

Um Gebäudegrundrisse in QGIS zu erkennen, haben Sie drei Möglichkeiten: einen offenen Datensatz herunterladen, ein KI-Erkennungs-Plugin über Ihre eigenen Bilddaten laufen lassen oder sie von Hand digitalisieren. Die schnellste ist die zweite. Installieren Sie das Plugin über die Erweiterungsverwaltung, laden Sie Ihre Bilddaten, zeichnen Sie eine Zone, geben Sie buildings ein, klicken Sie auf Erkennen, und ein Polygonlayer landet im Projekt-KBS. Anschließend filtern Sie diese Rohdaten nach Konfidenz und Fläche, denn ein großer Teil des Ergebnisses ist kein Gebäude: Bei einer Ausführung über das Zentrum von Paris erhielt ich 635 Polygone, und die Entscheidung, welche 82 behalten werden, dauerte länger als die Erkennung selbst.

0:00 / 0:00

Immer zuerst offene Daten. Sie gehen erst weiter, wenn die Abdeckung Lücken hat, der Stand der Daten nicht passt oder die Grundrisse zu dem spezifischen Orthofoto passen müssen, das Ihnen ein Kunde übergeben hat.

Methode 1: Offene Grundrisse herunterladen

Sie brauchen QGIS 3.22 oder neuer, einen Bilddaten-Layer, dem Sie vertrauen, und für Methode 2 eine Internetverbindung. Für keine der drei Methoden brauchen Sie eine dedizierte Grafikkarte.

Für viele Aufgaben müssen Sie überhaupt nichts erkennen. Drei offene Datensätze decken zusammen den größten Teil der Erde ab, und in einem einzigen Viertel können sie sich um tausende Gebäude unterscheiden.

Verwenden Sie es, wenn: das Gebiet bereits gut kartiert ist und Sie mit dem Stand und der Lizenz des Datensatzes leben können.

Überspringen Sie es, wenn: die Abdeckung Lücken hat, der Stand der Daten nicht passt oder die Grundrisse an ein bestimmtes Orthofoto angepasst werden müssen.

Methode 2: Gebäude automatisch erkennen (unsere, Cloud)

Ein Gebäudegrundriss ist der Umriss eines Gebäudes dort, wo es den Boden berührt, als flaches Polygon. Nicht das Dach, nicht das Flurstück, nicht der Adresspunkt. Das ist hier wichtig, denn Vertikalaufnahmen zeigen Ihnen das Dach: Bei einem fünfstöckigen Haussmann-Block, der nahezu im Nadir aufgenommen wurde, ist der Versatz klein, bei einem Turm nicht. Das sollten Sie wissen, bevor Sie jemandem einen Gebäudegrundriss-Layer versprechen. Eine längere Version finden Sie unter was ein Gebäudegrundriss ist.

Das Plugin hier ist AI Segmentation, das mein Mitgründer und ich bei TerraLab entwickeln. Lesen Sie diesen Abschnitt also mit dem Wissen, wessen Tool es ist. Es wird wie jedes andere über die Erweiterungsverwaltung installiert: kein manueller Download, keine Python-Umgebung, keine dedizierte Grafikkarte, weil das Modell auf unseren Servern läuft. Windows, macOS und Linux.

Eine Ausführung zählt die von ihr abgedeckte Bodenfläche. Jeden Monat erhält jedes Konto ein kostenloses Kontingent, ohne dass eine Karte erforderlich ist, und Pro erhöht es. Die Erkennung läuft auf europäischen Servern, wir trainieren nicht mit Ihren Bilddaten, und es gibt ein kleines lokales Modell, wenn nichts Ihr Gerät verlassen darf. Die vollständige Anleitung behandelt Behalten, Korrigieren und Formen vollständig, und die Produktseite finden Sie unter AI Segmentation.

Die Filterung ist die eigentliche Arbeit

Das rohe Erkennungsergebnis ist eine Reihe von Kandidatenpolygonen mit Konfidenzwerten. Auf dicht bebauten Bilddaten sind die meisten klein und unsicher. Ich habe diese Ausführung über Paris mit beiden Filtern weit geöffnet exportiert, sodass jeder Kandidat im Layer landete: 635 Polygone auf 1,18 km².

Die Hälfte des Ergebnisses ist kleiner als ein Parkplatz: Lüftungen, Dachfenster, Treppenhausaufbauten, Schuppen in Innenhöfen. Echte Dinge auf den Bilddaten, korrekt umrissen, aber nicht das, was irgendjemand mit einem Gebäudegrundriss meint.

Also filtern Sie. Bewegen Sie die beiden Schieberegler im Bedienfeld oder erledigen Sie dieselbe Aufgabe über die Attributtabelle mit Nach Ausdruck wählen (englische Oberfläche: Select by Expression):

"area_m2" >= 50 AND "score" >= 0.5

Damit bleiben 82 Polygone von 635 übrig, die 222.338 m² der insgesamt 263.658 m² abdecken. Anstatt mir die Schwellenwerte einfach zu glauben, verschieben Sie sie selbst. Grün übersteht Ihren Filter, Weiß nicht.

Beobachten Sie die zweite Zahl, während Sie die erste verschieben. 87 % der Polygone zu verwerfen kostet 16 % der Fläche, und der Rest ist Rauschen, das Sie ohnehin von Hand gelöscht hätten, eines nach dem anderen, während Sie sich gefragt hätten, ob das Tool überhaupt etwas taugt.

Passen Sie beide Werte an die Aufgabe an. Bei einer Vermessung von Industriehallen können Sie die Mindestfläche auf 200 m² erhöhen. Beim Kartieren informeller Siedlungen wirft 50 m² echte Häuser weg. Senken Sie den Wert also auf 15 und stützen Sie sich stattdessen auf den Konfidenzwert.

So sieht ein sauberes Ergebnis aus

Paris ist ein schwieriger Fall. Dasselbe Tool bei freistehenden Häusern etwa 10 km westlich:

Dasselbe Tool, dieselbe Stadt, nichts zum Wegwerfen. Geändert hat sich die Bebauungsstruktur, nicht das Modell.

Wo es scheitert: dicht bebaute, zusammenhängende Blöcke

Jedes Polygon zeichnet die bebaute Hülle eines ganzen Blocks nach, folgt der Straßenlinie und schneidet die Innenhöfe korrekt aus. Gut für bebaute Fläche oder versiegelte Oberfläche, falsch, wenn Sie ein Polygon pro Adresse brauchen. Kein Modell, das ein vertikales Bild ausliest, kann die Trennwand zwischen zwei aneinandergebauten Gebäuden finden, denn von oben gibt es dort nichts zu sehen.

Die Geometrie bereinigen

Drei integrierte QGIS-Werkzeuge bringen einen Gebäudegrundriss-Layer in Ordnung, und die Reihenfolge ist wichtig, weil Vereinfachen die Stützpunkte verschiebt, die Sie gerade rechtwinklig gemacht haben.

1. Vereinfachen, Toleranz 0,5 m über Luftbildern. Reduziert die Anzahl der Stützpunkte stark, ohne die Grenze an einer sichtbaren Stelle zu verschieben.
2. Orthogonalisieren. Richtet annähernd rechte Winkel rechtwinklig aus. Verwenden Sie es bei offenen Daten oder von Hand nachgezeichneten Ergebnissen, bei denen noch nichts rechtwinklig gemacht wurde.
3. Löcher löschen, nur wenn Sie vollständig gefüllte Grundrisse möchten. Nicht beim Paris-Ergebnis: Diese Löcher sind Innenhöfe und korrekt.

Bei einem erkannten Layer ist Schritt 2 fast wirkungslos. Ich habe das gemessen, statt es anzunehmen, indem ich Orthogonalisieren auf 190 erkannten Gebäuden ausgeführt und alle 1.845 Ecken vorher und nachher verglichen habe.

Die 12 %, die nicht rechtwinklig sind, sind die aneinandergebauten Terrassen. Sehen Sie sich die abgestufte Kante an, die durch die Mitte des Blocks verläuft. Kein Eckenwerkzeug kann das beheben, denn diese Stufen folgen einer echten Dachlinie und sind kein Modellierungsfehler.

Verwenden Sie es, wenn: hunderte bis tausende Gebäude auf Bilddaten, an die Sie sich anpassen müssen, oder wenn mehrere Personen denselben Layer auf dieselbe Weise erstellen müssen.

Überspringen Sie es, wenn: Sie in einem historischen Stadtzentrum ein Polygon pro Adresse brauchen. Dafür würde ich keine automatische Erkennung verwenden. Katasterdaten plus manuelle Korrektur sind dort besser.

AI Agent kostenlos in QGIS testen, ohne Kreditkarte

Methode 3: Von Hand digitalisieren

Bei weniger als fünfzig Gebäuden: Zeichnen Sie sie. Kostenlos, exakt, und in dieser Größenordnung würde ich es immer noch selbst tun.

Verwenden Sie es, wenn: bei etwa fünfzig Gebäuden oder weniger oder wenn Sie in einem dicht bebauten historischen Zentrum ein Polygon pro Adresse brauchen.

Überspringen Sie es, wenn: die Anzahl in die Hunderte geht oder mehrere Personen denselben Layer auf dieselbe Weise erstellen müssen.

Welche Methode sollten Sie verwenden?

Zwei Zeilen entscheiden über die meisten Aufgaben. Wenn die Grundrisse an das Orthofoto eines Kunden angepasst werden müssen, scheiden offene Datensätze unabhängig von ihrer Abdeckung aus. Bei mehr als etwa fünfzig Gebäuden wird das manuelle Digitalisieren unbemerkt inkonsistent. Die letzte Zeile ist wichtig, wenn sich der Layer später verteidigen lassen muss: Ein offener Datensatz liefert Ihnen einen Namen und einen Stand, ein erkannter Layer liefert Ihre eigenen Bilddaten plus einen Wert auf jedem Polygon, und Ihre eigene Hand liefert Sie selbst.

Häufige Fragen

Funktioniert es mit Drohnenbildern?

Besser als mit Satellitenbildern. Die Bodenauflösung ist wichtiger als die Quelle: Ein Orthofoto mit 5 cm liefert sauberere Grenzen und höhere Konfidenz als eine Satellitenaufnahme mit 30 cm.

Brauche ich eine GPU?

Nein. Beide Modi laufen standardmäßig auf unseren Servern, und das kleine lokale Modell läuft auf Ihrer eigenen CPU, langsamer und weniger genau. Wenn alles auf Ihrem Rechner bleiben soll, sind Geo-SAM und samgeo kostenlos und gut, aber sie benötigen eine NVIDIA-Karte.

Was kostet eine Ausführung?

Automatisch zählt die von Ihrer Zone abgedeckte Fläche, und Cloud-KI zählt beim Speichern ein Objekt. Semi-Auto auf Ihrem eigenen Rechner ist kostenlos. Jedes Konto erhält jeden Monat ein kostenloses Kontingent.

Kann ich ein Polygon pro Adresse erhalten?

Nicht aus einem vertikalen Bild in einem Stadtzentrum, in dem sich die Gebäude berühren. Das Modell gibt die bebaute Hülle des gesamten Blocks zurück, mit ausgeschnittenen Innenhöfen. Das ist richtig für die bebaute Fläche und falsch für Adressen. Verknüpfen Sie stattdessen mit Katasterdaten.

Mit welchem offenen Datensatz sollte ich beginnen?

OpenStreetMap, wenn es in Ihrem Gebiet aktive Mapper gibt. Wo das nicht der Fall ist, ist die Lücke deutlich: Auf diesem einen Viertel von 1 km² in Luanda kartiert OSM überhaupt keine Gebäude, während Microsoft 3.140 und Google Open Buildings 4.468 enthält.

Welche Software erkennt Gebäudegrundrisse für die Stadtplanung?

Beginnen Sie für eine Planungsstudie in QGIS, das kostenlos ist: Laden Sie die offenen Grundrisse (OpenStreetMap, Microsoft, Google Open Buildings) und prüfen Sie sie anhand aktueller Bilder. Wo sie fehlen oder veraltet sind, zeichnet ein Plugin zur automatischen Erkennung wie AI Segmentation die Gebäude aus Ihrem eigenen Orthofoto, sodass die Ebene zum Datum Ihrer Bilder passt. ArcGIS Pro hat ebenfalls vortrainierte Gebäudemodelle, braucht aber eine kostenpflichtige Lizenz und eine GPU für gute Geschwindigkeit. Für die ganze Karte, von den Daten bis zum gestalteten Drucklayout, kann AI Agent diese Schritte in QGIS aus einem einzigen Satz ausführen.

Für die Lücke zwischen Dach und Boden in voller Länge lesen Sie was ein Gebäudegrundriss ist. Für den Fall klassifizierter Rasterdaten, bei dem Vektorisieren (Raster nach Vektor) jedes Modell schlägt, lesen Sie Raster zu Vektor in QGIS. Dieselbe Methode aus Zone und Filter findet die Module auf diesen Dächern: Solaranlagen in QGIS erkennen führt Schritt für Schritt hindurch. Um diese Abfolge aus Erkennung und Filterung auf einem neuen Gebiet auszuführen, ohne jeden Klick zu wiederholen, erledigt AI Agent das mit einer einzigen Anweisung in QGIS. Eine Brachfläche zeigt sich in der Erkennung oft als übrig gebliebene Bodenplatten und Schuppen statt als saubere Dächer, und der Beitrag Greenfield vs. Brownfield beschreibt, wie beide aus der Luft aussehen. Die Übersicht KI in QGIS listet den Rest dessen auf, was wir entwickeln.