Detectar huellas de edificios en QGIS: 3 métodos
Publicado el Actualizado el
Para detectar huellas de edificios en QGIS tienes tres vías: descargar un conjunto de datos abierto, ejecutar un plugin de detección con IA sobre tus propias imágenes o digitalizar a mano. La rápida es la segunda. Instala el plugin desde Complementos > Administrar e instalar complementos, carga tus imágenes, dibuja una zona, escribe buildings (edificios), pulsa Detectar objetos y una capa de polígonos aparece en el SRC de tu proyecto.
tienes tres vías: descargar un conjunto de datos abierto, ejecutar un plugin de detección con IA sobre tus propias imágenes o digitalizar a mano. La rápida es la segunda. Instala el plugin desde Complementos > Administrar e instalar complementos, carga tus imágenes, dibuja una zona, escribe El filtrado es la segunda mitad del trabajo. Gran parte de lo que vuelve no es un edificio, así que recorta el resultado bruto por confianza y área. Pasé una vez sobre el centro de París, obtuve 635 polígonos, y decidir cuáles 82 conservar tomó más tiempo que la propia detección.
| Tu entrada | Método | Tiempo |
|---|---|---|
| Una zona que OpenStreetMap, Microsoft o Google ya cubren | Método 1: descargar huellas abiertas | Minutos |
| Cientos a miles de edificios, sobre las imágenes exactas que te entregaron | Método 2: detección automática (la nuestra, en la nube) | 848 edificios en 57 segundos, luego el filtrado |
| Menos de cincuenta edificios, o un centro histórico donde necesitas un polígono por dirección | Método 3: digitalizar a mano | Lo que tardes tú |
Datos abiertos primero, siempre. Solo pasas a otra cosa cuando la cobertura tiene huecos, la fecha es incorrecta o las huellas tienen que coincidir con la ortofoto concreta que te entregó un cliente.
Método 1: descargar huellas abiertas
Necesitas QGIS 3.22 o posterior, una capa de imágenes de confianza y conexión a internet para el método 2. Sin tarjeta gráfica dedicada, en ninguno de los tres.
Para muchos trabajos no necesitas detectar nada. Tres conjuntos de datos abiertos cubren entre ellos la mayor parte del planeta, y sobre un mismo barrio pueden discrepar en miles de edificios.
Elige el conjunto de datos de tu zona
OpenStreetMap es excelente donde hay mapeadores activos, y los edificios llevan atributos. Microsoft Global ML Building Footprints contiene más de mil millones de edificios extraídos por máquina y es más fuerte en Norteamérica. Google Open Buildings cubre el Sur Global, donde OSM es más débil. Para ver qué tiene cada uno en tu zona antes de cargar nada, dibuja un recuadro en nuestro descargador gratuito de huellas de edificios y descarga el que quieras como GeoJSON.
Carga uno sobre tus imágenes
Carga OSM con QuickOSM.
Acerca el zoom y mira los bordes
Esa sola mirada decide si te quedas aquí o sigues leyendo.
Úsalo cuando: la zona ya está bien mapeada y puedes vivir con la fecha y la licencia del conjunto de datos.
Sáltalo cuando: la cobertura tiene huecos, la fecha es incorrecta o las huellas tienen que alinearse con una ortofoto concreta.
Método 2: detección automática
Una huella de edificio es el contorno de un edificio donde toca el suelo, como un polígono plano. No el tejado, no la parcela, no el punto de dirección. Importa aquí, porque las imágenes verticales te dan el tejado: en un bloque haussmanniano de cinco plantas captado casi en nadir el desplazamiento es pequeño, en una torre no. Conviene saberlo antes de prometer a nadie una capa de huellas, y tienes una versión más larga en qué es una huella de edificio.
Un modelo de detección automática lee tus imágenes y devuelve contornos de edificios como polígonos, cada uno con una puntuación de confianza. Construimos uno de ellos, AI Segmentation. Esta sección trata de nuestra propia herramienta.
Se instala desde Complementos > Administrar e instalar complementos como cualquier otro: sin descarga manual, sin entorno Python, sin tarjeta gráfica dedicada, porque el modelo corre en nuestros servidores. Windows, macOS y Linux.
Instálalo y elige tu capa de imágenes
Abre Complementos > Administrar e instalar complementos, instala el plugin, abre el panel y elige la capa ráster que quieres leer.
Dibuja una zona y nombra el objeto
Dibuja una zona, escribe buildings, pulsa Detectar objetos. Ese es todo el prompt, en tu propio idioma si prefieres. Los resultados llegan tesela a tesela como una capa de polígonos en el SRC del proyecto.
Ajusta la precisión cuando los objetos son pequeños
El único ajuste que vale la pena aprender es la precisión, que es el tamaño de tesela. Las teselas pequeñas dan al modelo una vista cercana, que los objetos pequeños necesitan. Las grandes le dan contexto, que una parcela agrícola necesita.
Filtra lo que devolvió el modelo
El panel te guía en tres pasos antes de que nada se convierta en capa: filtra lo que vas a Conservar, Corregir lo que el modelo pasó por alto y elige las Formas de salida. El primero es donde se gana el trabajo, y tiene su propia sección más abajo.
Limpia la geometría
Simplificar, ortogonalizar y eliminar agujeros, en ese orden, y solo donde cada uno se lo gane. Las tres herramientas y la razón del orden están más abajo.
Una ejecución cuenta el terreno que cubre. Cada cuenta recibe una cuota gratuita cada mes, sin tarjeta, y Pro la aumenta. La detección corre en servidores europeos, no entrenamos con tus imágenes, y hay un pequeño modelo local si nada puede salir de tu equipo. La guía completa cubre Conservar, Corregir y Formas en detalle.
Filtrar es todo el trabajo
La salida bruta de detección es un conjunto de polígonos candidatos con puntuaciones de confianza. Sobre imágenes densas la mayoría son pequeños e inciertos. Exporté esta pasada de París con ambos filtros bien abiertos, así que cada candidato terminó en la capa: 635 polígonos sobre 1.18 km².
La mitad de lo que volvió es más pequeña que una plaza de estacionamiento: respiraderos, claraboyas, casetones de escalera, cobertizos de patio. Cosas reales en las imágenes, bien delineadas, y no lo que nadie entiende por huella de edificio.
Así que filtra. Mueve los dos deslizadores en el panel, o haz el mismo trabajo desde la tabla de atributos con Seleccionar por expresión:
"area_m2" >= 50 AND "score" >= 0.5
Quedan 82 polígonos de 635, que cubren 222 338 m² de los 263 658 m² totales. En lugar de creerme los umbrales, muévelos tú mismo. El verde sobrevive a tu filtro, el blanco no.
82 / 635polígonos conservados (13%)
84%del área construida (222,338 m²)
Las mismas 635 detecciones que contiene la tabla de atributos. Baja la confianza a cero y vuelven los cobertizos de patio y las claraboyas.
Mira el segundo número mientras arrastras el primero. Desechar el 87 % de los polígonos cuesta el 16 % del área, y el resto es ruido que habrías borrado a mano de todos modos, uno por uno, mientras dudabas de si la herramienta servía.
Ajusta ambos al trabajo. Un inventario de naves industriales puede subir el suelo de área a 200 m². Al mapear asentamientos informales, 50 m² desecha casas reales, así que baja a 15 y apóyate en la puntuación de confianza.
Cómo se ve un resultado limpio
París es un caso difícil. La misma herramienta sobre vivienda unifamiliar a unos 10 km al oeste:
85m²
área mediana de los polígonos
Ejecución de París: 3.2 m²
0.79
confianza mediana
Ejecución de París: 0.26
251polígonos
conservados, de 251 devueltos
Ejecución de París: 82 de 635
Misma herramienta, misma ciudad, nada que desechar. Lo que cambió es el tejido construido, no el modelo.
Dónde falla: manzanas densas continuas
Cada polígono traza la envolvente construida de toda una manzana, pegado a la línea de calle y recortando bien los patios. Bueno para superficie construida o superficie impermeable, malo si necesitas un polígono por dirección. Ningún modelo que lea una imagen vertical puede encontrar el muro medianero entre dos edificios adosados, porque desde arriba no hay nada que ver.
Limpieza de la geometría
Tres herramientas nativas de QGIS ordenan una capa de huellas, y el orden importa porque Simplificar mueve los vértices que acabas de escuadrar.
- Simplificar, tolerancia de 0.5 m sobre imágenes aéreas. Recorta fuerte el número de vértices sin mover el límite donde lo notes.
- Ortogonalizar. Encaja los ángulos casi rectos. Úsalo en datos abiertos o trabajo trazado a mano, donde nada los ha escuadrado aún.
- Eliminar agujeros, solo si quieres huellas sólidas. No en el resultado de París: esos huecos son patios y son correctos.
En una capa detectada el paso 2 casi no hace nada. Lo medí en lugar de suponerlo, ejecutando Ortogonalizar sobre 190 edificios detectados y comparando las 1845 esquinas antes y después.
87.9%
esquinas que ya están a menos de 1° del ángulo recto
antes de ejecutar nada
87.9%
después de Ortogonalizar
las mismas 1845 esquinas
1.7cm
desplazamiento mediano del vértice
9.1 cm en el peor caso
El 12 % que no es cuadrado son las terrazas adosadas. Mira el borde escalonado que baja por el centro de la manzana. Ninguna herramienta de esquinas lo arregla, porque esos escalones siguen una línea real de tejado y no un error de modelado.
Úsalo cuando: cientos a miles de edificios, sobre imágenes que tienes que igualar, o cuando varias personas deben producir la misma capa de la misma forma.
Sáltalo cuando: necesitas un polígono por dirección en un centro histórico. Yo no usaría la detección automática para eso, y los datos catastrales más corrección manual ganan ahí.
Prueba AI Agent gratis en QGIS, sin tarjeta
Método 3: digitalizar a mano
Por debajo de cincuenta edificios, dibújalos. Gratis, exacto, y yo mismo lo haría a ese tamaño.
Activa el autoensamblado
Proyecto > Opciones de autoensamblado, vértice y segmento, edición topológica activada. Sáltalo y pasarás la tarde borrando astillas.
Traza y observa cómo te desvías
Hacia el edificio 60 empiezas a recortar esquinas que nunca habrías recortado en el 6º, y no te das cuenta. Ya está en la capa.
Úsalo cuando: por debajo de unos cincuenta edificios, o cuando necesitas un polígono por dirección en un centro histórico denso.
Sáltalo cuando: el recuento llega a cientos, o varias personas tienen que producir la misma capa de la misma forma.
Qué recordar
| Conjuntos de datos abiertos | Detección automática | Digitalización manual | |
|---|---|---|---|
| Coste | Gratis | Plan Free, luego de pago | Gratis |
| Configuración | Minutos | Minutos | Ninguna |
| Ideal para | Zonas ya bien cubiertas | Cientos a miles | Menos de ~50 edificios |
| Coincide con tus imágenes | No | Sí | Sí |
| Consistente en equipo | Sí | Sí | No |
| Manzanas densas continuas | Varía | Solo envolventes de manzana | Sí |
| Procedencia declarable | Conjunto de datos y fecha | Tus imágenes, con puntuación de confianza | Tú |
Revisa primero los conjuntos de datos abiertos. Sobre un mismo barrio discrepan en miles de edificios, así que una mirada a sus bordes contra tus imágenes decide si sigues.
Las huellas que tienen que alinearse con la ortofoto de un cliente descartan los conjuntos de datos abiertos, sea cual sea su cobertura.
Filtrar una detección es la mayor parte del trabajo: 82 polígonos de 635 sobre el centro de París, con el 84 % del área construida.
Una imagen vertical no puede darte un polígono por dirección donde los edificios se tocan, a ningún precio. En su lugar, únela a datos catastrales.
Pasados unos cincuenta edificios, la digitalización manual deriva sin avisarte.
Preguntas frecuentes
¿Funciona con imágenes de dron?
Mejor que con satélite. La resolución de suelo importa más que la fuente: una ortofoto de 5 cm da límites más limpios y mayor confianza que una escena satelital de 30 cm.
¿Necesito una GPU?
¿Cuánto cuesta una ejecución?
Automático cuenta el terreno que cubre tu zona, y Cloud AI cuenta un objeto por guardado. Semi-Auto en tu propio equipo es gratis. Cada cuenta recibe una cuota gratuita cada mes.
¿Puedo obtener un polígono por dirección?
No desde una imagen vertical, en un centro donde los edificios se tocan. El modelo devuelve la envolvente construida de toda la manzana, con patios recortados, que sirve para área construida y no para direcciones. En su lugar, únela a datos catastrales.
¿Con qué conjunto de datos abiertos empiezo?
OpenStreetMap, si tu zona tiene mapeadores activos. Donde no, la brecha es total: sobre ese barrio de 1 km² de Luanda OSM no mapea ningún edificio, mientras Microsoft recoge 3140 y Google Open Buildings 4468.
¿Qué software detecta huellas de edificios para la planificación urbana?
Para un estudio de planificación, empieza en QGIS, que es gratuito: carga las huellas abiertas (OpenStreetMap, Microsoft, Google Open Buildings) y compáralas con imágenes recientes. Donde falten o estén desactualizadas, un complemento de detección automática como AI Segmentation dibuja los edificios a partir de tu propia ortofoto, así la capa coincide con la fecha de tus imágenes. ArcGIS Pro también tiene modelos de edificios preentrenados, pero requiere una licencia de pago y una GPU para ir con buena velocidad. Para el mapa completo, de los datos al diseño de impresión con estilo, AI Agent puede ejecutar estos pasos en QGIS a partir de una sola frase.
Para la brecha tejado-suelo completa, lee qué es una huella de edificio. Para el caso de ráster clasificado, donde poligonizar supera a cualquier modelo, lee ráster a vector en QGIS. El mismo método de zona y filtro encuentra los paneles de esos tejados: detección de paneles solares en QGIS lo explica paso a paso. Para repetir esta secuencia de detección y filtrado en una zona nueva sin repetir cada clic, AI Agent lo hace con una sola instrucción en QGIS. Un sitio brownfield suele aparecer en la detección como losas y cobertizos sueltos en lugar de tejados limpios, y la página greenfield vs brownfield explica cómo se ve cada uno desde el aire. El hub de IA de QGIS lista el resto de lo que construimos.
Hazlo ahora con nuestra herramienta gratuita
Descarga de huellas de edificios
Abrir la herramienta gratuitaHazlo en QGIS pidiéndoselo
AI Agent realiza la tarea que describes, en tu propio proyecto de QGIS. Gratis, sin tarjeta.
