Estrarre strade in QGIS: 6 metodi

Per estrarre le strade in , installa QuickOSM, apri Vector > QuickOSM > QuickOSM, interroga la chiave highway sull'estensione del canvas e la rete arriva come linee in pochi secondi. Dove OpenStreetMap è incompleta, altri cinque metodi mettono le strade sulla mappa: un dataset nazionale pubblicato, la digitalizzazione a mano, il thinning con GRASS, la classificazione supervisionata e un modello di segmentazione.

• Il più veloce, gratis: QuickOSM, se qualcuno ha già mappato la zona.
• Copertura nazionale oggi: un dataset pubblicato, sempre gratis.
• Immagini più recenti della mappa: un modello di segmentazione, da un piano gratuito.
• Linee da una maschera o una scansione: GRASS r.thin poi r.to.vect.

Una scelta viene prima e decide quali metodi sono possibili. Non stai estraendo strade. Stai scegliendo tra una linea centrale, una sola linea in mezzo con numero di corsie e limite di velocità, e una superficie, l'asfalto da cordolo a cordolo. Il routing ha bisogno della linea. Il drenaggio e le quantità per il rifacimento hanno bisogno dell'area. Metà dei metodi qui sotto dà l'una, metà l'altra, e convertire tra le due costa un passaggio in più.

Dove il web sbaglia

Due risposte si ripetono nei tutorial e nei forum su QGIS, ed entrambe costano un pomeriggio prima di scoprirlo.

"Attiva l'automatic tracing e segui la strada sulle immagini." Il tracing non guarda l'immagine. Il manuale QGIS 3.44 è esplicito: costruisce il percorso più breve lungo i bordi di vettori esistenti. Su immagine satellitare nuda non c'è niente da seguire, quindi lo strumento non fa nulla. Conviene quando hai già particelle o una rete parziale e vuoi che la nuova geometria faccia snap su di esse.

"Esegui GRASS r.thin sulla tua foto aerea." r.thin vuole un raster dove strada è un valore e tutto il resto è un altro. Dagli una foto a colori e assottiglia quello che i valori dei pixel raggruppano per caso, che non sono strade. È uno strumento brillante messo un passo troppo presto: appartiene dopo una classificazione o una detection, non prima.

La risposta breve

Prima di iniziare

Lavora in un CRS proiettato. Due passaggi qui sotto prendono una larghezza in layer units, e una larghezza in gradi non significa niente.

Quattro cose rompono ogni metodo in questa pagina, qualunque cosa tu abbia pagato. La chioma degli alberi sopra una via residenziale nasconde la strada a qualsiasi sensore che guarda dall'alto, quindi il risultato torna a pezzi. Uno sterrato e il campo accanto sono dello stesso colore, ed è per questo che le strade non asfaltate mancano proprio dove servirebbe mapparle.

Le altre due sono problemi di forma. Fiumi, alvei secchi e ferrovie sono elementi lunghi e sottili, e qualsiasi metodo basato sui pixel li mette nella classe strada. Ponti e imbocchi di gallerie tagliano la superficie nel punto dove una rete dovrebbe restare unita.

Metodo 1: Strade da OpenStreetMap con QuickOSM

Trenta secondi di controllo su OSM ti risparmiano ogni metodo qui sotto. QuickOSM interroga l'API Overpass e scarica la risposta dritta nel tuo progetto.

I tag sono il motivo per cui una zona mappata batte qualsiasi detection. highway=track ti dice che una via è una pista agricola e highway=unclassified che è una strada pubblica minore. Nessun modello in questa pagina può dirti né l'una né l'altra, perché una detection restituisce una forma e OSM restituisce una forma che qualcuno ha già nominato. L'attribuzione è obbligatoria sotto ODbL.

La copertura è dove OSM si ferma. Apri le linee highway su immagini recenti in Africa rurale, in Asia meridionale o al margine in crescita di quasi ogni città, e gli sterrati sono ben visibili nell'immagine senza niente disegnato sopra.

Usalo quando: qualcuno ha già mappato la zona.

Saltalo quando: le immagini mostrano strade che il layer OSM non ha.

Metodo 2: Dataset stradali pubblicati

Qualcuno potrebbe aver già fatto la detection e regalato il risultato.

Microsoft Road Detections copre 54,2 milioni di chilometri di strade in 235 paesi, estratti dalle immagini aeree di Bing Maps e pubblicati sotto ODbL come linee centrali, un file per paese.

Meta pubblica le sue strade generate con AI tramite il Rapid editor. La distribuzione Daylight che le impacchettava è stata ritirata a maggio 2024, quindi Rapid oggi è la via pratica per averle.

Le agenzie nazionali fanno meglio di entrambe dove esistono. La Francia pubblica BD TOPO con il suo Troncons de route layer a precisione metrica sotto Etalab 2.0, contro l'allineamento approssimativo di un dataset minato. La Gran Bretagna pubblica OS Open Roads gratis tramite OS Data Hub, aggiornata ogni aprile e ottobre.

Il limite è l'epoca. Un set da detection è un'istantanea delle immagini da cui è stato minato, e nessuno di questi sa che una strada ha chiuso la scorsa primavera.

Usalo quando: ti serve copertura nazionale oggi pomeriggio e la data basta.

Saltalo quando: il lavoro è un cambiamento avvenuto dopo la costruzione del dataset.

Metodo 3: Digitalizza a mano, con tracing attivo

Sotto una cinquantina di strade, disegnarle vince ancora, e QGIS ti aiuta davvero una volta capito cosa segue il tracing.

Attiva la modifica, scegli Add Line Feature, poi abilita lo strumento Tracing sulla Snapping toolbar o premi T. Fai snap a un vertice, spostati a un secondo e QGIS costruisce il percorso più breve tra i due lungo i bordi esistenti. Apri l'icona del tracing e imposta Offset per digitalizzare in parallelo a quegli elementi invece che sopra.

Due comportamenti sorprendono. Il tracing si spegne da solo quando il canvas ha troppi elementi, e torna quando fai zoom avanti. Per una curva a mano libera, R ti dà lo streaming digitizing invece.

Usalo quando: sotto una cinquantina di strade, o correzioni contro un layer di cui ti fidi già.

Saltalo quando: hai davanti un intero distretto di sterrati non mappati.

Metodo 4: GRASS r.thin, poi r.to.vect

Questo è l'unico metodo che ti consegna direttamente linee centrali, ed è perché sopravvive nel 2026. Dagli un raster dove strada è un valore e tutto il resto è un altro: una scansione sogliata di una mappa cartacea, o una maschera dal Metodo 5 o 6.

r.thin riduce ogni tratto a un pixel di larghezza, e quella catena di pixel è la linea centrale. r.to.vect con feature type line la trasforma in geometria. Il manuale GRASS avverte che crea nodi eccessivi agli incroci e speroni pendenti, quindi metti in conto la pulizia: elimina gli speroni per lunghezza, poi unisci i segmenti che dovrebbero essere una sola strada.

GRASS arriva con quasi tutti gli installer QGIS, quindi non c'è niente in più da comprare. È anche il passo che trasforma una superficie del Metodo 6 in una rete di linee, che è l'abbinamento che uso di più.

Usalo quando: hai una maschera stradale pulita o una scansione pulita, e ti servono linee.

Saltalo quando: l'input è una foto a colori.

Metodo 5: Classificazione supervisionata

Classifica i pixel, poi vettorializza la classe strada. Il Semi-Automatic Classification Plugin è lo strumento standard, di Luca Congedo. La release 9.0.4 vuole QGIS 3.99, la linea QGIS 4, quindi su QGIS 3.x il manager ti serve invece la 8.5.0. dzetsaka fa lo stesso lavoro con un'interfaccia più piccola.

Disegni regioni di training sui pixel di strada e su ogni altra classe nella scena, esegui un classificatore come Maximum Likelihood, poi mandi la classe strada in Raster > Conversion > Polygonize. La guida da raster a vettore copre quella seconda metà, compresi gli algoritmi che sistemano i bordi a scala lasciati da polygonize.

Funziona quando l'asfalto differisce davvero da ciò che lo circonda, e le bande multispettrali aiutano. Crolla sui sosia, perché un classificatore confronta valori di pixel e non sa niente della forma: tetti grigi, alvei secchi e margini di campi nudi finiscono tutti nella classe strada. Metti in conto ore per i campioni di training, e aspettati di ridisegnarli per la scena dopo.

Usalo quando: hai bande multispettrali e strade che spiccano in esse.

Saltalo quando: strade e tetti condividono un colore, che è quasi ogni città.

Metodo 6: Un modello di segmentazione

Un modello di segmentazione ha imparato com'è fatta una strada, quindi forma e contesto lo portano oltre i sosia che fermano il Metodo 5. Noi ne costruiamo uno, AI Segmentation. Questa sezione parla del nostro strumento.

L'output è poligoni da cordolo a cordolo e mai linee centrali, quindi un deliverable in linee ti costa il passo di skeleton qui sopra. Entrambe le modalità cloud mandano le immagini a un server nell'Unione Europea, e solo il piccolo modello locale resta sulla tua macchina.

La chioma rompe la superficie in pezzi che ricuci a mano, e i ponti fanno lo stesso. Asfalto bagnato e rifacimenti freschi cambiano abbastanza il tono da far saltare un tratto. Non pubblichiamo alcun dato di accuratezza, perché il numero cambia con le tue immagini.

Un numero dalla nostra tabella di tuning, perché spiega un risultato che la gente trova strano. Le strade girano su una tile più grossa delle case, con minimo a 512 m di terreno per tile contro 128 m per un edificio, perché a un modello con in mano un frammento di asfalto quello sembra un parcheggio. Una strada si legge come strada solo quando il modello ne vede un tratto.

Costi, letti il 3 settembre 2026. Il piano gratuito copre 3 km2 di terreno al mese su Automatic senza carta, più 50 object detection al mese su Semi-Auto cloud, e Semi-Auto sulla tua macchina non ha alcun contatore. Pro alza quelli a 200 km2 e 500 oggetti per 39 euro al mese IVA esclusa. Mapflow spedisce un modello strade prezzato in crediti a 0,10 dollari l'uno, 5 crediti per km2 più il costo delle immagini, con 250 crediti gratis per iniziare.

Usalo quando: le immagini sono più recenti della mappa, e c'è più strada di quanta ne disegneresti a mano.

Saltalo quando: OSM ha già la rete, o le immagini non possono lasciare la tua macchina.

Da ricordare

Controlla prima OpenStreetMap, perché trenta secondi lì decidono se vale aprire gli altri cinque metodi.

Decidi tra linea centrale e superficie prima di scegliere un metodo, non dopo. Il routing vuole la linea, i calcoli di area vogliono il poligono, e la conversione costa un passo in ogni caso.

Il tracing automatico segue vettori esistenti, mai le immagini sotto. r.thin vuole un raster binario, mai una fotografia.

Le strade sotto gli alberi tornano rotte in ogni metodo di questa pagina, e nessuna cifra lo risolve.

Una superficie del Metodo 6 passata nel Metodo 4 ti dà una rete di linee centrali che nessuno ha dovuto digitalizzare.

Try it free in QGIS, no card needed

Domande frequenti

QGIS può estrarre le strade dalle immagini satellitari da solo?

Non in automatico. Il core di QGIS digitalizza a mano e vettorializza raster che hai già classificato. Per tirar fuori le strade da una foto serve un plugin: un modello di segmentazione, o un classificatore come SCP che alleni tu.

L'estrazione dà linee o poligoni?

Esistono entrambi, e decide il metodo. OSM, i dataset nazionali, le detection pubblicate e GRASS r.thin restituiscono linee. Classificazione supervisionata e modelli di segmentazione restituiscono superfici, perché una superficie è ciò che le immagini mostrano. GRASS v.voronoi.skeleton converte dall'una all'altra.

Perché le strade sotto gli alberi escono rotte?

Nessun sensore che guarda dall'alto vede attraverso una chioma, quindi il buco è nei dati prima che qualsiasi software li tocchi. Unisci i pezzi facendo snap dei segmenti in una sessione di modifica.

Può un metodo trovare gli sterrati?

In parte. Uno sterrato e il campo accanto condividono un colore, quindi la classificazione di solito li perde e i modelli di detection trovano quelli più larghi. OSM highway=track è la fonte più affidabile dove un mappatore è passato, che è il problema nei posti che ne avrebbero più bisogno.

Quale risoluzione basta per estrarre le strade?

Quella che separa la strada da ciò che sta accanto. Un'autostrada si vede in una scena satellitare grossolana; una via residenziale sotto gli alberi vuole un'ortofoto da 20 cm o meglio. Prova le tue immagini su un piano gratuito prima di impegnarti su un metodo.

L'estrazione strade è gratis in QGIS?

I Metodi da 1 a 5 sono gratis da installare e gratis da eseguire. Solo i modelli di segmentazione cloud si pagano, ed entrambi quelli citati qui hanno una quota gratuita.

La guida da raster a vettore copre la metà polygonize del Metodo 5, e la guida alle impronte degli edifici segue il passo di filtro dall'inizio alla fine. Il QGIS AI hub confronta i plugin fianco a fianco.

Continua a leggereCome rilevare le sagome degli edifici in QGIS (dati aperti, digitalizzazione manuale e AI)