Wegen in QGIS extraheren: 6 methoden en 1 valkuil

Om wegen te extraheren in QGIS, installeer QuickOSM, open Vector > QuickOSM > QuickOSM, vraag de key highway op over het bereik van je kaartvenster, en het netwerk verschijnt binnen seconden als lijnen. Waar OpenStreetMap dun is, zetten vijf andere methoden wegen op de kaart: een segmentatiemodel, een gepubliceerde nationale dataset, handmatig digitaliseren, GRASS-verdunning, en gesuperviseerde classificatie.

Eén keuze komt eerst, en die beslist welke methoden voor je openstaan. Je extraheert geen wegen. Je kiest tussen een hartlijn, één lijn in het midden met rijstrookaantal en maximumsnelheid, en een wegvlak, het asfalt van stoeprand tot stoeprand. Routering heeft de lijn nodig. Afwatering en hoeveelheden voor herstrating hebben het vlak nodig. De helft van de methoden hieronder geeft je het een, de helft het ander, en omzetten kost een extra stap.

Elke prijs, versie en menupad is nagelezen op 3 september 2026, aan de hand van de QGIS 3.44-handleiding en de documentatie van elke tool zelf.

Methode 1: Wegen uit OpenStreetMap met QuickOSM

Dertig seconden OSM controleren bespaart je elke methode hieronder. QuickOSM bevraagt de Overpass API en zet het antwoord direct in je project.

De tags zijn de reden waarom een gemapt gebied elke detectie verslaat. highway=track zegt dat een weg een landbouwpad is en highway=unclassified dat het een kleine openbare weg is. Geen model op deze pagina kan je beide vertellen, want een detectie geeft een vorm terug en OSM geeft een vorm terug die iemand al heeft benoemd. Naamsvermelding is verplicht onder de ODbL.

Dekking is waar OSM stopt. Open de highway-lijnen over recente beelden in landelijk Afrika, in Zuid-Azië, of aan de groeirand van de meeste steden, en de paden staan duidelijk in het beeld zonder dat er iets op is getekend.

Gebruik het als: iemand het gebied al heeft gemapt.

Sla het over als: de beelden wegen tonen die de OSM-laag niet heeft.

Methode 2: Een segmentatiemodel

Een segmentatiemodel heeft geleerd hoe een weg eruitziet, dus vorm en context helpen het voorbij de objecten die erop lijken en methode 6 laten vastlopen. Wij bouwen er een van, AI Segmentation. Dit deel gaat over onze eigen tool.

Uitvoer is polygonen van stoeprand tot stoeprand en nooit hartlijnen, dus een lijnlevering kost je de skeletstap hierboven. Beide cloudmodi sturen beelden naar een server in de Europese Unie, en alleen het kleine lokale model blijft op je machine.

Boomkronen breken het vlak in stukken die je met de hand weer verbindt, en brugdekken doen hetzelfde. Nat asfalt en vers asfalt veranderen de toon genoeg om een stuk te laten vallen. Wij publiceren geen nauwkeurigheidscijfer, omdat het getal meebeweegt met je beelden.

Eén getal uit onze eigen afsteltabel, omdat het een resultaat verklaart dat mensen vreemd vinden. Wegen worden verwerkt op een grovere tegel dan gebouwen, met een ondergrens van 512 m grond per tegel tegen 128 m voor een gebouw, omdat een model met een fragment asfalt het een parkeerplaats noemt. Een weg leest pas als een weg als het model er een stuk van kan zien.

Kosten, nagelezen 28 september 2026. Het Free-abonnement dekt 1,5 km² grond per maand in de Automatische modus zonder creditcard, plus 20 objectdetecties per maand in de Semi-Auto-modus met Cloud AI, en Semi-Auto op je eigen machine heeft helemaal geen teller. Pro verhoogt die naar 100 km² en 500 objecten voor € 39 per maand excl. btw. Mapflow levert een wegenmodel geprijsd in credits tegen $ 0,10 per stuk, 5 credits per km² plus de beeldkosten, met 250 credits gratis om te starten.

Gebruik het als: de beelden nieuwer zijn dan de kaart, en er meer weg is dan je met de hand zou tekenen.

Sla het over als: OSM het netwerk al heeft, of de beelden je machine niet mogen verlaten.

Hoe compleet is OpenStreetMap? Vier Franse gemeenten, gemeten

In vier Franse gemeenten die we op 23 september 2026 hebben gemeten, bevatte OpenStreetMap 96 tot 98% van de lengte aan verharde wegen in de officiële BD TOPO van het IGN, terwijl in de drie landelijke gemeenten 20 tot 32% van de land- en bospaden van het IGN ontbrak. De gratis detecties van Microsoft vonden 6 tot 12% van die ontbrekende paden. In een land dat zo goed is gemapt als Frankrijk is wegen extraheren uit beelden een probleem van paden, niet van wegen.

In deze vier gemeenten dekken de lijnen van Microsoft 89 tot 95% van de lengte aan verharde wegen van het IGN en 17 tot 37% van de paden.

Waar de ontbrekende paden liggen, bepaalt of beelden ze kunnen vinden. In elke landelijke gemeente trokken we willekeurig 20 ontbrekende stukken en bekeken we elk stuk op de orthofoto van het IGN. In Orgères-en-Beauce laten er 7 een pad op de grond zien en vallen er 5 op een kale akkerrand zonder iets om te volgen. In Gérardmer lopen 15 van de 20 onder naaldbomen, waar geen model dat naar beneden kijkt ze ooit zal zien. Saint-Léonard zit ertussenin, met 7 zichtbaar en 5 onder bomen.

Er kwamen nog twee dingen naar boven die veranderen hoe je bevraagt. In Gérardmer staat nog eens 93 km aan paden van het IGN in OSM als highway=path, dus een QuickOSM-query alleen op track mist ze: laat de value leeg. En OSM bevat wat het IGN niet tekent, zoals 100 km aan voetpaden en wandelroutes in Gérardmer en 64 km aan ontsluitingswegen in Villeurbanne (parkeergangen, erven, opritten).

Zo hebben we dit gemeten

We namen IGN BD TOPO troncon_de_route van de WFS van de Géoplateforme, elke OSM-highway-way van Overpass op 22 en 23 september 2026 (wat QuickOSM teruggeeft, trottoirs niet meegerekend) en de drop van Microsoft van 28 april 2025, geclipt op elke gemeente. Elke lijn is in stukken van 10 m geknipt, en een stuk telt als afwezig als de andere dataset binnen 10 m geen lijn heeft die binnen 45 graden dezelfde kant op loopt. Op 5 m of 20 m blijven verharde wegen onder 5% afwezig en landelijke paden tussen 15 en 37%. Vier gemeenten zijn geen Frankrijk, BD TOPO is een referentie en niet de waarheid (bij 5 van de 20 stukken in Orgères was op de grond niets te zien), en de orthofotocontrole is het oordeel van één lezer over 60 beelden.

Methode 3: Gepubliceerde wegdatasets

Misschien heeft iemand de detectie al gedraaid en het resultaat weggegeven.

Microsoft Road Detections dekt 54,2 miljoen kilometer weg in 235 landen, gewonnen uit Bing Maps-luchtbeelden en vrijgegeven onder de ODbL als hartlijnen, één bestand per wereldregio. In de vier hierboven gemeten Franse gemeenten bevatte het ongeveer negen van de tien kilometer verharde weg en een van de vijf kilometer pad.

Meta publiceert zijn eigen AI-gegenereerde wegen via de Rapid editor. De Daylight-distributie die ze verpakte is in mei 2024 stopgezet, dus Rapid is nu de praktische route ernaartoe.

Nationale agentschappen verslaan beide waar ze bestaan. Frankrijk publiceert BD TOPO met zijn laag Troncons de route op metrische precisie onder Etalab 2.0, tegen de grove ligging die een gewonnen dataset je geeft. Groot-Brittannië publiceert OS Open Roads gratis via de OS Data Hub, ververst elke april en oktober.

Het addertje is de ouderdom. Een detectieset is een momentopname van de beelden waaruit hij is gewonnen, en geen van deze weet dat een weg vorig voorjaar is afgesloten.

Gebruik het als: je vanmiddag nationale dekking nodig hebt en de datum goed genoeg is.

Sla het over als: de klus een verandering is sinds de dataset is gebouwd.

Methode 4: Handmatig digitaliseren, met overtrekken aan

Onder de vijftig wegen wint tekenen nog steeds, en QGIS helpt je echt zodra je weet wat overtrekken volgt.

Zet bewerken aan, kies Lijnobject toevoegen, en schakel dan het gereedschap Overtrekken in op de werkbalk Snappen of druk op T. Snap naar een hoekpunt, ga naar een tweede, en QGIS bouwt het kortste pad ertussen langs bestaande objectranden. Klap het overtrek-icoon uit en stel Offset in om parallel aan die objecten te digitaliseren in plaats van erlangs.

Twee gedragingen verrassen mensen. Overtrekken schakelt zichzelf uit als het kaartvenster te veel objecten bevat, en komt terug als je inzoomt. Voor een vrije curve geeft R je streaming-digitaliseren.

Gebruik het als: onder de vijftig wegen, of correcties tegen een laag die je al vertrouwt.

Sla het over als: je naar een wijk met ongemapte paden staart.

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

Werk in een geprojecteerd CRS. Twee stappen hieronder nemen een breedte in de eenheden van de laag, en een breedte in graden zegt niets.

Dit is de enige methode die je direct hartlijnen geeft, daarom overleeft hij in 2026. Voer hem een raster waarin weg de ene waarde is en al het andere de andere: een gedrempelde scan van een papieren kaart, of een masker uit methode 2 of 6.

r.thin versmalt elke streek tot één pixel breed, en die pixelketen is de hartlijn. r.to.vect met objecttype line maakt er geometrie van. De GRASS-handleiding waarschuwt dat hij te veel nodes maakt op kruisingen en losse uitlopers, dus reken op opruimen: verwijder de uitlopers op lengte, en voeg dan de segmenten samen die één weg horen te zijn.

GRASS zit bij de meeste QGIS-installers, dus je hoeft niets extra te kopen. Het is ook de stap die een methode-2-vlak omzet in een lijnnetwerk, en dat is de combinatie die ik het meest gebruik.

Gebruik het als: je een schoon wegmasker of een schone scan hebt, en lijnen nodig hebt.

Sla het over als: de invoer een kleurenfoto is.

Methode 6: Gesuperviseerde classificatie

Classificeer de pixels, vectoriseer dan de wegklasse. De Semi-Automatic Classification Plugin is de standaardtool, van Luca Congedo. Release 9.0.4 heeft QGIS 3.99 nodig, de QGIS 4-lijn, dus op QGIS 3.x geeft de manager je in plaats daarvan 8.5.0. dzetsaka doet hetzelfde werk met een kleinere interface.

Je tekent trainingsgebieden op wegpixels en op elke andere klasse in de scène, draait een classifier zoals Maximum Likelihood, en stuurt dan de wegklasse door Raster > Conversie > Polygoniseren (raster naar vector). De gids over raster naar vector dekt die tweede helft, inclusief de algoritmen die de trapranden herstellen die polygonize achterlaat.

Het werkt als asfalt echt verschilt van wat eromheen ligt, en multispectrale banden helpen. Het valt om bij objecten die erop lijken, want een classifier vergelijkt pixelwaarden en weet niets van vorm: grijze daken, droge rivierbeddingen en kale akkerranden belanden allemaal in de wegklasse. Reken op uren voor de trainingssamples, en verwacht ze voor de volgende scène opnieuw te tekenen.

Gebruik het als: je multispectrale banden hebt en wegen die erin opvallen.

Sla het over als: wegen en daken dezelfde kleur delen, en dat is in de meeste steden zo.

Wat te onthouden

Vier dingen breken elke methode op deze pagina, wat je er ook voor hebt betaald. Boomkronen boven een woonstraat verbergen de weg voor elke sensor die naar beneden kijkt, dus het resultaat komt in stukken terug. Een zandweg en het veld ernaast hebben dezelfde kleur, daarom ontbreken onverharde wegen precies op de plekken die ze het hardst nodig hebben gemapt.

De andere twee zijn vormproblemen. Rivieren, droge rivierbeddingen en spoorlijnen zijn lange dunne objecten, en elke pixelmethode zet ze in de wegklasse. Bruggen en tunnelmonden snijden het vlak door precies op het punt waar een netwerk verbonden moet blijven.

Controleer eerst OpenStreetMap, want dertig seconden daar beslist of de andere vijf methoden het openen waard zijn. In een goed gemapt land bestaat wat er nog te vinden is vooral uit paden, en een groot deel daarvan ligt onder bomen.

Een methode-2-vlak door methode 5 geeft je een hartlijnnetwerk dat niemand hoefde te digitaliseren.

Probeer het gratis in QGIS, geen creditcard nodig

Vragen die mensen stellen

Kan QGIS zelf wegen uit satellietbeelden halen?

Niet automatisch. Kern-QGIS digitaliseert met de hand en vectoriseert rasters die je al hebt geclassificeerd. Om wegen uit een foto te krijgen heb je een plugin nodig: een segmentatiemodel, of een classifier zoals SCP die je zelf traint.

Geeft wegextractie lijnen of polygonen?

Beide bestaan, en de methode beslist. OSM, nationale datasets, gepubliceerde detecties en GRASS r.thin geven lijnen terug. Gesuperviseerde classificatie en segmentatiemodellen geven vlakken terug, want een vlak is wat de beelden tonen. GRASS v.voronoi.skeleton zet het een om in het ander.

Waarom komen wegen onder boomkronen gebroken uit?

Geen sensor die naar beneden kijkt ziet door een kroon heen, dus het gat zit in de data voordat software hem aanraakt. Overbrug de stukken door de segmenten samen te snappen in een bewerksessie.

Hoe compleet is het wegennetwerk van OpenStreetMap?

Voor verharde wegen in een goed gemapt land bijna compleet: OSM bevatte 96 tot 98% van de lengte aan verharde wegen van het IGN in de vier Franse gemeenten die we in september 2026 hebben gemeten. Paden zijn het gat: in de landelijke gemeenten ontbrak 20 tot 32% van de padlengte van het IGN. Wereldwijd kwam een studie uit 2017 uit op ongeveer 83% compleetheid voor het wegennetwerk van OSM.

Kan een methode onverharde paden vinden?

Deels. Een zandweg en het veld ernaast delen een kleur, dus classificatie mist ze meestal en detectiemodellen vinden de bredere. OSM highway=track is de betrouwbaarste bron waar een mapper is geweest, en dat is het probleem op de plekken die ze het hardst nodig hebben.

Welke beeldresolutie is genoeg voor wegextractie?

Wat de weg scheidt van wat ernaast ligt. Een snelweg zie je in een grove satellietscène; een woonstraat onder bomen vraagt een orthofoto van 20 cm of beter. Test je eigen beelden met een gratis tegoed voordat je je aan een methode verbindt.

Is wegextractie gratis in QGIS?

Methoden 1 en 3 tot 6 zijn gratis te installeren en gratis te draaien. Alleen de cloudsegmentatiemodellen kosten geld, en beide hier genoemde hebben een gratis tegoed.

Kan ik overtrekken aanzetten en een weg op de beelden volgen?

Overtrekken kijkt niet naar de foto. De QGIS 3.44-handleiding is expliciet: het bouwt het kortste pad langs de randen van bestaande vectorobjecten. Boven kale satellietbeelden valt er niets te volgen, dus de tool doet helemaal niets. Het loont als je al percelen of een gedeeltelijk netwerk hebt en de nieuwe geometrie daaraan wilt laten snappen.

Kan ik GRASS r.thin uitvoeren op een luchtfoto?

r.thin heeft een raster nodig waarin weg de ene waarde is en al het andere de andere. Geef het een kleurenfoto en het verdunt wat de pixelwaarden toevallig groeperen, en dat zijn geen wegen. Het is een briljante tool één stap te vroeg geplaatst: hij hoort na een classificatie of een detectie, niet ervoor.

De gids over raster naar vector dekt de helft van methode 6 over polygoniseren, en de gids over gebouwcontouren doorloopt de filterstap van begin tot eind. Als de keten van methode 2 (detecteren en dan het skelet bepalen) over meerdere tegels repetitief wordt, kan AI Agent dezelfde stappen vanuit één instructie in QGIS uitvoeren. De QGIS AI hub vergelijkt de plugins naast elkaar.