Straßen aus Luftbildern in QGIS erfassen: 6 Methoden

Um Straßen in QGIS zu erfassen, installieren Sie QuickOSM, öffnen Sie Vektor > QuickOSM > QuickOSM, fragen Sie den Schlüssel highway über die Kartenfenster-Ausdehnung ab, und das Netz liegt in Sekunden als Linien vor. Wo OpenStreetMap dünn ist, bringen fünf weitere Methoden Straßen auf die Karte: ein Segmentierungsmodell, ein veröffentlichter nationaler Datensatz, Hand-Digitalisierung, GRASS-Thinning und überwachte Klassifizierung.

Eine Wahl steht zuerst, und sie entscheidet, welche Methoden Ihnen offenstehen. Sie extrahieren keine Straßen. Sie wählen zwischen einer Mittellinie, einer Linie in der Mitte mit Spurzahl und Tempolimit, und einer Fläche, dem Asphalt von Bordstein zu Bordstein. Routing braucht die Linie. Entwässerung und Sanierungsmengen brauchen die Fläche. Die Hälfte der Methoden unten liefert das eine, die Hälfte das andere, und die Umwandlung kostet einen Extraschritt.

Jeder Preis, jede Version und jeder Menüpfad wurde am 3. September 2026 geprüft, gegen das QGIS 3.44-Handbuch und die Doku jedes Werkzeugs.

Methode 1: Straßen aus OpenStreetMap mit QuickOSM

Dreißig Sekunden Prüfung in OSM ersparen Ihnen alle Methoden unten. QuickOSM fragt die Overpass API ab und legt die Antwort direkt in Ihr Projekt.

Die Tags sind der Grund, warum ein kartiertes Gebiet jede Erkennung schlägt. highway=track sagt Ihnen, dass ein Weg ein Wirtschaftsweg ist, und highway=unclassified, dass es eine kleine öffentliche Straße ist. Kein Modell auf dieser Seite kann Ihnen beides sagen, denn eine Erkennung liefert eine Form und OSM liefert eine Form, die jemand schon benannt hat. Namensnennung ist unter der ODbL Pflicht.

Abdeckung ist, wo OSM aufhört. Legen Sie die Highway-Linien über aktuelle Bilddaten im ländlichen Afrika, in Südasien oder am Wachstumsrand der meisten Städte, und die Wege liegen klar im Bild, ohne dass etwas gezeichnet ist.

Nutzen Sie es, wenn: jemand das Gebiet schon kartiert hat.

Überspringen Sie es, wenn: das Bild Straßen zeigt, die der OSM-Layer nicht hat.

Wie vollständig ist OpenStreetMap? Vier französische Gemeinden, gemessen

In vier französischen Gemeinden, die wir am 23. September 2026 gemessen haben, enthielt OpenStreetMap 96 bis 98 % der befestigten Straßenlänge des amtlichen BD TOPO des IGN. In den drei ländlichen Gemeinden fehlten dagegen 20 bis 32 % der Feld- und Waldwege des IGN in OSM, und die kostenlosen Erkennungen von Microsoft fanden 6 bis 12 % dieser fehlenden Wege. In einem so gut kartierten Land wie Frankreich ist die Straßenextraktion aus Bilddaten ein Wegeproblem und kein Straßenproblem.

In diesen vier Gemeinden decken die Linien von Microsoft 89 bis 95 % der befestigten Straßenlänge des IGN ab und 17 bis 37 % seiner Wege.

Wo die fehlenden Wege liegen, entscheidet darüber, ob Bilddaten sie finden können. Wir haben in jeder ländlichen Gemeinde 20 fehlende Abschnitte zufällig gezogen und jeden auf dem Orthofoto des IGN angesehen. In Orgères-en-Beauce zeigen 7 einen Weg am Boden, und 5 fallen auf einen kahlen Feldrand, auf dem es nichts nachzuzeichnen gibt. In Gérardmer verlaufen 15 von 20 unter Nadelwald, wo sie kein Modell, das von oben schaut, je sehen wird. Saint-Léonard liegt dazwischen, mit 7 sichtbaren und 5 unter Bäumen.

Zwei weitere Funde ändern, wie Sie abfragen. In Gérardmer liegen weitere 93 km der IGN-Wege in OSM als highway=path, eine QuickOSM-Abfrage allein nach track verfehlt sie also: Lassen Sie den Wert leer. Und OSM enthält, was das IGN nicht zeichnet, etwa 100 km Fußwege und Pfade in Gérardmer und 64 km Zufahrtswege in Villeurbanne (Parkplatzgassen, Höfe, Einfahrten).

So haben wir gemessen

Wir haben IGN BD TOPO troncon_de_route vom WFS der Géoplateforme geladen, alle OSM-Wege mit highway am 22. und 23. September 2026 von Overpass (das, was QuickOSM liefert, Gehwege ausgenommen) und die Veröffentlichung von Microsoft vom 28. April 2025, jeweils auf die Gemeinde zugeschnitten. Jede Linie wurde in 10-m-Stücke geschnitten, und ein Stück gilt als fehlend, wenn der andere Datensatz keine Linie innerhalb von 10 m hat, deren Richtung um höchstens 45 Grad abweicht. Bei 5 m oder 20 m bleiben befestigte Straßen unter 5 % fehlend und ländliche Wege zwischen 15 und 37 %. Vier Gemeinden sind nicht ganz Frankreich, BD TOPO ist eine Referenz und nicht die Wahrheit (5 der 20 Stücke in Orgères zeigten am Boden nichts), und die Orthofoto-Prüfung ist das Urteil eines einzelnen Lesers an 60 Bildern.

Methode 2: Ein Segmentierungsmodell

Ein Segmentierungsmodell hat gelernt, wie eine Straße aussieht, also tragen Form und Kontext es über die Doppelgänger hinweg, die Methode 6 stoppen. Wir bauen eines davon, AI Segmentation. Dieser Abschnitt handelt von unserem eigenen Werkzeug.

Ausgabe sind Polygone von Bordstein zu Bordstein und nie Mittellinien, also kostet ein Linien-Ergebnis Sie den Skeleton-Schritt oben. Beide Cloud-Modi schicken Bilddaten an einen Server in der Europäischen Union, und nur das kleine lokale Modell bleibt auf Ihrem Rechner.

Baumkronen zerreißen die Fläche in Stücke, die Sie von Hand wieder verbinden, und Brückendecks tun dasselbe. Nasser Asphalt und frische Decken ändern den Ton genug, um einen Abschnitt zu verlieren. Wir veröffentlichen keinen Genauigkeitswert, weil die Zahl sich mit Ihren Bilddaten bewegt.

Eine Zahl aus unserer eigenen Tuning-Tabelle, weil sie ein Ergebnis erklärt, das Leute seltsam finden. Straßen laufen auf einer gröberen Kachel als Gebäude, Untergrenze 512 m Boden pro Kachel gegen 128 m für ein Gebäude, weil ein Modell, dem nur ein Asphaltfetzen vorliegt, ihn Parkplatz nennt. Eine Straße liest sich nur als Straße, wenn das Modell ein Stück davon sehen kann.

Kosten, gelesen am 28. September 2026. Der Free-Tarif deckt 1,5 km² Boden im Monat im Modus Automatisch ohne Kreditkarte ab, plus 20 Objekterkennungen im Monat in Cloud-Semi-Auto, und Semi-Auto auf Ihrem eigenen Rechner hat gar keinen Zähler. Pro hebt das auf 100 km² und 500 Objekte für 39 € im Monat zzgl. MwSt. Mapflow liefert ein Straßenmodell, abgerechnet in Credits zu je 0,10 Dollar, 5 Credits pro km² plus die Kosten der Bilddaten, mit 250 Credits gratis zum Start.

Nutzen Sie es, wenn: die Bilddaten neuer sind als die Karte, und es mehr Straße gibt, als Sie von Hand zeichnen würden.

Überspringen Sie es, wenn: OSM das Netz schon hält, oder die Bilddaten Ihren Rechner nicht verlassen dürfen.

Methode 3: Veröffentlichte Straßendatensätze

Jemand hat die Erkennung vielleicht schon laufen lassen und das Ergebnis verschenkt.

Microsoft Road Detections deckt 54,2 Millionen Kilometer Straße in 235 Ländern ab, aus Bing-Maps-Luftbildern gewonnen und unter der ODbL als Mittellinien veröffentlicht, eine Datei pro Weltregion. In den vier oben gemessenen französischen Gemeinden enthielt der Datensatz rund neun von zehn Kilometern befestigter Straße und einen von fünf Kilometern Weg.

Meta veröffentlicht eigene KI-erzeugte Straßen über den Rapid-Editor. Die Daylight-Distribution, die sie früher bündelte, wurde im Mai 2024 eingestellt, also ist Rapid jetzt der praktische Weg dorthin.

Nationale Ämter schlagen beide, wo es sie gibt. Frankreich veröffentlicht BD TOPO mit seinem Layer Troncons de route in metergenauer Präzision unter Etalab 2.0, gegen die grobe Lage, die ein gewonnener Datensatz liefert. Großbritannien veröffentlicht OS Open Roads kostenlos über den OS Data Hub, aufgefrischt jeden April und Oktober.

Der Haken ist das Alter. Ein Erkennungsdatensatz ist ein Schnappschuss der Bilddaten, aus denen er gewonnen wurde, und keiner davon kennt eine Straße, die letzten Frühling gesperrt wurde.

Nutzen Sie es, wenn: Sie heute Nachmittag nationale Abdeckung brauchen und das Datum gut genug ist.

Überspringen Sie es, wenn: der Auftrag eine Änderung seit dem Bau des Datensatzes ist.

Methode 4: Von Hand digitalisieren, mit Spurverfolgung

Unter etwa fünfzig Straßen gewinnt Zeichnen noch, und QGIS hilft Ihnen spürbar, sobald Sie wissen, was die Spurverfolgung (englisch Tracing) wirklich verfolgt.

Schalten Sie den Bearbeitungsmodus ein, wählen Sie Linienobjekt hinzufügen, dann aktivieren Sie das Werkzeug Spurverfolgung in der Einrastwerkzeugleiste oder drücken Sie T. Rasten Sie an einem Stützpunkt ein, gehen Sie zu einem zweiten, und QGIS baut den kürzesten Pfad dazwischen entlang bestehender Objektkanten. Klappen Sie das Symbol der Spurverfolgung auf und setzen Sie Versatz, um parallel zu diesen Objekten zu digitalisieren statt entlang.

Zwei Verhalten überraschen Leute. Die Spurverfolgung schaltet sich selbst ab, wenn die Kartenansicht zu viele Objekte hält, und kommt zurück, wenn Sie hineinzoomen. Für eine freie Kurve gibt Ihnen R stattdessen Streaming-Digitalisierung.

Nutzen Sie es, wenn: unter etwa fünfzig Straßen, oder Korrekturen gegen einen Layer, dem Sie schon vertrauen.

Überspringen Sie es, wenn: Sie auf ein Gebiet nicht kartierter Wege starren.

Methode 5: GRASS r.thin, dann r.to.vect

Arbeiten Sie in einem projizierten KBS. Zwei Schritte unten nehmen eine Breite in Layereinheiten, und eine Breite in Grad ist bedeutungslos.

Das ist die eine Methode, die Ihnen direkt Mittellinien gibt, darum überlebt sie 2026. Geben Sie ihr ein Raster, in dem Straße ein Wert ist und alles andere ein anderer: ein per Schwellenwert binarisierter Scan einer Papierkarte, oder eine Maske aus Methode 2 oder 6.

r.thin reduziert jeden Strich auf ein Pixel Breite, und diese Pixelkette ist die Mittellinie. r.to.vect mit dem Objekttyp line macht daraus Geometrie. Das GRASS-Handbuch warnt, dass es an Knoten zu viele Stützpunkte und hängende Sporne erzeugt, also planen Sie die Bereinigung ein: Sporne nach Länge löschen, dann Segmente verschmelzen, die eine Straße sein sollten.

GRASS liegt den meisten QGIS-Installern bei, also gibt es nichts extra zu kaufen. Es ist auch der Schritt, der aus einer Methode-2-Fläche ein Liniennetz macht, und das ist die Paarung, die ich am meisten nutze.

Nutzen Sie es, wenn: Sie eine saubere Straßenmaske oder einen sauberen Scan haben und Linien brauchen.

Überspringen Sie es, wenn: die Eingabe ein Farbfoto ist.

Methode 6: Überwachte Klassifizierung

Klassifizieren Sie die Pixel, dann vektorisieren Sie die Straßenklasse. Das Semi-Automatic Classification Plugin ist das Standardwerkzeug, von Luca Congedo. Release 9.0.4 braucht QGIS 3.99, die QGIS-4-Linie, also gibt Ihnen die Erweiterungsverwaltung auf QGIS 3.x stattdessen 8.5.0. dzetsaka macht dieselbe Arbeit mit kleinerer Oberfläche.

Sie zeichnen Trainingsflächen auf Straßenpixeln und auf jeder anderen Klasse in der Szene, lassen einen Klassifikator wie Maximum Likelihood laufen, dann schicken Sie die Straßenklasse durch Raster > Konvertierung > Vektorisieren (Raster nach Vektor) (englisch Raster > Conversion > Polygonize). Der Leitfaden zu Raster nach Vektor deckt diese zweite Hälfte ab, samt der Algorithmen, die die Treppenkanten richten, die das Vektorisieren hinterlässt.

Es geht, wenn sich Asphalt wirklich von seiner Umgebung unterscheidet, und Multispektralkanäle helfen. Es scheitert an den Doppelgängern, denn ein Klassifikator vergleicht Pixelwerte und kennt keine Form: graue Dächer, trockene Flussbetten und kahle Feldränder landen alle in der Straßenklasse. Planen Sie Stunden für die Trainingsdaten ein, und rechnen Sie damit, sie für die nächste Szene neu zu zeichnen.

Nutzen Sie es, wenn: Sie multispektrale Kanäle haben und Straßen darin herausstechen.

Überspringen Sie es, wenn: Straßen und Dächer eine Farbe teilen, und das sind die meisten Städte.

Was bleibt

Vier Dinge brechen jede Methode auf dieser Seite, egal was Sie dafür bezahlt haben. Baumkronen über einer Wohnstraße verbergen die Straße vor jedem Sensor von oben, also kommt das Ergebnis in Stücken zurück. Ein Feldweg und das Feld daneben haben dieselbe Farbe, darum fehlen unbefestigte Wege genau dort, wo sie kartiert werden müssten.

Die anderen zwei sind Formprobleme. Flüsse, trockene Flussbetten und Bahnlinien sind lange dünne Objekte, und jede pixelbasierte Methode steckt sie in die Straßenklasse. Brücken und Tunneleingänge schneiden die Fläche genau dort ab, wo ein Netz verbunden bleiben muss.

Prüfen Sie zuerst OpenStreetMap, denn dreißig Sekunden dort entscheiden, ob sich die anderen fünf Methoden überhaupt lohnen. In einem gut kartierten Land bleiben vor allem Wege zu finden, und davon liegt vieles unter Bäumen.

Eine Methode-2-Fläche durch Methode 5 ergibt ein Mittellinien-Netz, das niemand digitalisieren musste.

Kostenlos in QGIS testen, ohne Kreditkarte

Fragen, die Leute stellen

Kann QGIS Straßen selbst aus Satellitenbildern extrahieren?

Nicht automatisch. QGIS ohne Plugins digitalisiert von Hand und vektorisiert Raster, die Sie schon klassifiziert haben. Um Straßen aus einem Foto zu holen, braucht es ein Plugin: ein Segmentierungsmodell oder einen Klassifikator wie SCP, den Sie selbst trainieren.

Gibt Straßenextraktion Linien oder Polygone?

Beides existiert, und die Methode entscheidet. OSM, nationale Datensätze, veröffentlichte Erkennungen und GRASS r.thin liefern Linien. Überwachte Klassifizierung und Segmentierungsmodelle liefern Flächen, denn eine Fläche ist, was das Bild zeigt. GRASS v.voronoi.skeleton wandelt das eine ins andere um.

Warum kommen Straßen unter Baumkronen lückenhaft heraus?

Kein Sensor von oben sieht durch eine Krone, also steckt die Lücke schon in den Daten, bevor irgendeine Software sie anfasst. Überbrücken Sie die Stücke, indem Sie die Segmente in einer Editiersitzung zusammen einrasten lassen.

Wie vollständig ist das Straßennetz von OpenStreetMap?

Bei befestigten Straßen in einem gut kartierten Land fast vollständig: OSM enthielt in den vier französischen Gemeinden, die wir im September 2026 gemessen haben, 96 bis 98 % der befestigten Straßenlänge des IGN. Wege sind die Lücke, in den ländlichen Gemeinden fehlten 20 bis 32 % der Weglänge des IGN. Weltweit bezifferte eine Studie von 2017 das Straßennetz von OSM auf etwa 83 % Vollständigkeit.

Kann irgendeine Methode unbefestigte Wege finden?

Teils. Ein Feldweg und das Feld daneben teilen eine Farbe, also überspringt Klassifizierung sie meist und Erkennungsmodelle finden die breiteren. OSM highway=track ist die verlässlichste Quelle, wo ein Mapper war, und das ist das Problem dort, wo man sie am meisten braucht.

Welche Bildauflösung reicht für Straßenextraktion?

Was die Straße von dem trennt, was neben ihr liegt. Eine Autobahn zeigt sich in grober Satellitenszene; eine Wohnstraße unter Bäumen braucht 20 cm Orthofoto oder besser. Testen Sie Ihre eigenen Bilddaten im Free-Tarif, bevor Sie sich auf eine Methode festlegen.

Ist Straßenextraktion in QGIS kostenlos?

Methoden 1 und 3 bis 6 sind kostenlos zu installieren und kostenlos im Betrieb. Nur die Cloud-Segmentierungsmodelle kosten, und beide hier genannten haben ein Gratis-Kontingent.

Kann ich die Spurverfolgung einschalten und einer Straße im Bild folgen?

Die Spurverfolgung schaut nicht aufs Bild. Das QGIS 3.44-Handbuch ist eindeutig: Sie baut den kürzesten Pfad entlang der Kanten bestehender Vektorobjekte. Über reinem Satellitenbild gibt es nichts zu folgen, also tut das Werkzeug gar nichts. Es lohnt sich, wenn Sie schon Parzellen oder ein Teilnetz haben und die neue Geometrie daran einrasten soll.

Kann ich GRASS r.thin auf einem Luftbild ausführen?

r.thin braucht ein Raster, in dem Straße ein Wert ist und alles andere ein anderer. Geben Sie ihm ein Farbfoto, und es verdünnt, was die Pixelwerte zufällig gruppieren, und das sind keine Straßen. Ein brillantes Werkzeug einen Schritt zu früh: es gehört nach einer Klassifizierung oder einer Erkennung, nicht davor.

Der Leitfaden zu Raster nach Vektor deckt die Vektorisierungshälfte von Methode 6 ab, und der Leitfaden zu Gebäudegrundrissen geht den Filterschritt von Anfang bis Ende durch. Wird die Kette aus Erkennen und Skelettieren in Methode 2 über viele Kacheln hinweg mühsam, kann AI Agent dieselben Schritte mit einer einzigen Anweisung in QGIS ausführen. Der QGIS-KI-Hub vergleicht die Plugins nebeneinander.