Straßen in QGIS: 6 Methoden + 1 Falle

Um Straßen in zu extrahieren, installiere QuickOSM, öffne Vector > QuickOSM > QuickOSM, frage den Key highway über deine Canvas-Ausdehnung ab, und das Netz liegt in Sekunden als Linien da. Wo OpenStreetMap dünn ist, bringen fünf weitere Methoden Straßen auf die Karte: ein veröffentlichter nationaler Datensatz, Hand-Digitalisierung, GRASS-Thinning, überwachte Klassifizierung und ein Segmentierungsmodell.

• Am schnellsten, und kostenlos: QuickOSM, wenn jemand das Gebiet schon gemappt hat.
• Nationale Abdeckung heute: ein veröffentlichter Datensatz, weiter kostenlos.
• Bildmaterial neuer als die Karte: ein Segmentierungsmodell, ab einer kostenlosen Stufe.
• Linien aus Maske oder Scan: GRASS r.thin dann r.to.vect.

Eine Wahl steht zuerst, und sie entscheidet, welche Methoden dir offenstehen. Du extrahierst keine Straßen. Du wählst 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.

Wo das Netz falsch liegt

Zwei Antworten wiederholen sich in QGIS-Anleitungen und Foren, und beide kosten einen Nachmittag, bis du es merkst.

"Schalte automatic tracing ein und folge der Straße im Bild." Tracing schaut nicht aufs Bild. Das QGIS 3.44-Handbuch ist eindeutig: es 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 du schon Parzellen oder ein Teilnetz hast und die neue Geometrie daran einrasten soll.

"Lass GRASS r.thin über dein Luftbild laufen." r.thin braucht einen raster, in dem Straße ein Wert ist und alles andere ein anderer. Gib 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 Detektion, nicht davor.

Die Kurzantwort

Bevor du startest

Arbeite in einem projizierten CRS. Zwei Schritte unten nehmen eine Breite in layer-Einheiten, und eine Breite in Grad ist bedeutungslos.

Vier Dinge brechen jede Methode auf dieser Seite, egal was du dafür bezahlt hast. 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 gemappt 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.

Methode 1: Straßen aus OpenStreetMap mit QuickOSM

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

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

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

Nutze es, wenn: jemand das Gebiet schon gemappt hat.

Lass es, wenn: das Bild Straßen zeigt, die der OSM-layer nicht hat.

Methode 2: Veröffentlichte Straßendatensätze

Jemand hat die Detektion 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 Land.

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 Detektionsdatensatz ist ein Schnappschuss des Bildmaterials, aus dem er gewonnen wurde, und keiner davon kennt eine Straße, die letzten Frühling gesperrt wurde.

Nutze es, wenn: du heute Nachmittag nationale Abdeckung brauchst und das Datum gut genug ist.

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

Methode 3: Von Hand digitalisieren, mit Tracing an

Unter etwa fünfzig Straßen gewinnt Zeichnen noch, und QGIS hilft dir echt, sobald du weißt, was Tracing wirklich verfolgt.

Schalte Editieren ein, wähle Add Line Feature, dann aktiviere das Tracing-Werkzeug in der Snapping toolbar oder drücke T. Raste an einem Stützpunkt ein, gehe zu einem zweiten, und QGIS baut den kürzesten Pfad dazwischen entlang bestehender Objektkanten. Klappe das Tracing-Symbol auf und setze Offset, um parallel zu diesen Objekten zu digitalisieren statt entlang.

Zwei Verhalten überraschen Leute. Tracing schaltet sich selbst ab, wenn das Kartenfenster zu viele Objekte hält, und kommt zurück, wenn du hineinzoomst. Für eine freie Kurve gibt dir R stattdessen Streaming-Digitalisierung.

Nutze es, wenn: unter etwa fünfzig Straßen, oder Korrekturen gegen einen layer, dem du schon vertraust.

Lass es, wenn: du auf einen Distrikt ungemappter Wege starrst.

Methode 4: GRASS r.thin, dann r.to.vect

Das ist die eine Methode, die dir direkt Mittellinien gibt, darum überlebt sie 2026. Füttere sie mit einem raster, in dem Straße ein Wert ist und alles andere ein anderer: ein geschwellter Scan einer Papierkarte, oder eine Maske aus Methode 5 oder 6.

r.thin reduziert jeden Strich auf ein Pixel Breite, und diese Pixelkette ist die Mittellinie. r.to.vect mit Feature-Typ line macht daraus Geometrie. Das GRASS-Handbuch warnt, dass es an Knoten zu viele Stützpunkte und hängende Sporne erzeugt, also plane 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-6-Fläche ein Liniennetz macht, und das ist die Paarung, die ich am meisten nutze.

Nutze es, wenn: du eine saubere Straßenmaske oder einen sauberen Scan hältst und Linien brauchst.

Lass es, wenn: der Input ein Farbfoto ist.

Methode 5: Überwachte Klassifizierung

Klassifiziere die Pixel, dann vektorisiere 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 dir der Manager auf QGIS 3.x stattdessen 8.5.0. dzetsaka macht dieselbe Arbeit mit kleinerer Oberfläche.

Du zeichnest Trainingsflächen auf Straßenpixeln und auf jeder anderen Klasse in der Szene, lässt einen Klassifikator wie Maximum Likelihood laufen, dann schickst du die Straßenklasse durch Raster > Conversion > Polygonize. Der raster to vector-Guide deckt diese zweite Hälfte ab, samt der Algorithmen, die die Treppenkanten richten, die Polygonize hinterlässt.

Es geht, wenn sich Asphalt wirklich von seiner Umgebung unterscheidet, und Multispektralbänder 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. Plane Stunden für die Trainings-Samples ein, und erwarte, sie für die nächste Szene neu zu zeichnen.

Nutze es, wenn: du multispektrale Bänder hast und Straßen darin herausstechen.

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

Methode 6: Ein Segmentierungsmodell

Ein Segmentierungsmodell hat gelernt, wie eine Straße aussieht, also tragen Form und Kontext es über die Doppelgänger hinweg, die Methode 5 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 dich den Skeleton-Schritt oben. Beide Cloud-Modi schicken Bildmaterial an einen Server in der Europäischen Union, und nur das kleine lokale Modell bleibt auf deiner Maschine.

Baumkronen zerreißen die Fläche in Stücke, die du von Hand wieder verbindest, 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 deinem Bildmaterial 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 mit einem Asphaltfetzen ihn Parkplatz nennt. Eine Straße liest sich nur als Straße, wenn das Modell ein Stück davon sehen kann.

Kosten, gelesen am 3. September 2026. Der Gratisplan deckt 3 km2 Boden im Monat auf Automatic ohne Karte ab, plus 50 Objektdetektionen im Monat auf Cloud-Semi-Auto, und Semi-Auto auf deiner eigenen Maschine hat gar keinen Zähler. Pro hebt das auf 200 km2 und 500 Objekte für 39 Euro im Monat ohne MwSt. Mapflow liefert ein Straßenmodell zu Credits zu je 0.10 Dollar, 5 Credits pro km2 plus Bildkosten, mit 250 Credits gratis zum Start.

Nutze es, wenn: das Bildmaterial neuer ist als die Karte, und es mehr Straße gibt, als du von Hand zeichnen würdest.

Lass es, wenn: OSM das Netz schon hält, oder das Bildmaterial deine Maschine nicht verlassen darf.

Was bleibt

Prüfe zuerst OpenStreetMap, denn dreißig Sekunden dort entscheiden, ob sich die anderen fünf Methoden überhaupt lohnen.

Entscheide dich für Mittellinie oder Fläche, bevor du eine Methode wählst, nicht danach. Routing braucht die Linie, Flächenrechnungen brauchen das Polygon, und die Umwandlung kostet so oder so einen Schritt.

Automatic tracing folgt bestehenden Vektorobjekten, nie dem Bild darunter. r.thin braucht einen binären raster, nie ein Foto.

Straßen unter Bäumen kommen in jeder Methode auf dieser Seite lückenhaft zurück, und kein Geld ändert das.

Eine Methode-6-Fläche durch Methode 4 ergibt ein Mittellinien-Netz, das niemand digitalisieren musste.

Try it free in QGIS, no card needed

Fragen, die Leute stellen

Kann QGIS Straßen selbst aus Satellitenbildern extrahieren?

Nicht automatisch. Core QGIS digitalisiert von Hand und vektorisiert raster, die du schon klassifiziert hast. Um Straßen aus einem Foto zu holen, braucht es ein plugin: ein Segmentierungsmodell, oder einen Klassifikator wie SCP, den du selbst trainierst.

Gibt Straßenextraktion Linien oder Polygone?

Beides existiert, und die Methode entscheidet. OSM, nationale Datensätze, veröffentlichte Detektionen 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. Überbrücke die Stücke, indem du die Segmente in einer Editiersitzung zusammen einrasten lässt.

Kann irgendeine Methode unbefestigte Wege finden?

Teils. Ein Feldweg und das Feld daneben teilen eine Farbe, also überspringt Klassifizierung sie meist und Detektionsmodelle 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 vom Nachbarn trennt. Eine Autobahn zeigt sich in grober Satellitenszene; eine Wohnstraße unter Bäumen braucht 20 cm Orthofoto oder besser. Teste dein eigenes Bildmaterial auf einer Gratisstufe, bevor du dich auf eine Methode festlegst.

Ist Straßenextraktion in QGIS kostenlos?

Methoden 1 bis 5 sind kostenlos zu installieren und kostenlos im Lauf. Nur die Cloud-Segmentierungsmodelle kosten, und beide hier genannten haben ein Gratis-Kontingent.

Der raster to vector-Guide deckt die Polygonize-Hälfte von Methode 5 ab, und der building footprints-Guide geht den Filterschritt durch. Der QGIS AI-Hub vergleicht die plugins nebeneinander.

WeiterlesenGebäudegrundrisse in QGIS erkennen (Open Data, manuell und mit KI)