Wat is een gebouwfootprint? Definitie, databronnen en zelf een footprint maken

Een gebouwfootprint is de omtrek van een gebouw op de plek waar het de grond raakt, vastgelegd als een polygoon op een horizontaal vlak. Trek de basis van de muren rond, leg die vorm plat op een kaart en je hebt er een.

Bijna geen enkele footprint die je kunt downloaden is dat. Ze zijn getekend op basis van een foto van bovenaf en volgen dus het dak. Op deze pagina gaat het over dat verschil, waar de open data te vinden is en wat je kunt doen als die data jouw gebied niet dekt.

De definitie en wat er net buiten valt

Een footprint is een horizontale projectie. Er zit geen hoogte, geen aantal verdiepingen en geen interieur in. Twee gebouwen met dezelfde footprint kunnen een bungalow en een toren zijn.

Vier dingen worden footprint genoemd terwijl ze dat niet zijn. Elk ervan heeft me op een bepaald moment een middag gekost.

Footprint of roofprint

Luchtfoto- en satellietcamera's zien het dak. Een model of iemand die de afbeelding overtrekt, tekent de dakrand, en de dakrand is niet de basis van de muren.

Drie dingen zorgen voor het verschil. Dakranden en overstekken duwen het dak naar buiten, meestal 30 tot 80 cm bij een huis, wat enkele procenten van de oppervlakte van een klein gebouw is. Hellingsvervorming, de zijdelingse verplaatsing van hoge objecten in een beeld dat niet recht naar beneden is genomen, verplaatst een hele toren zijwaarts met meters. En een carport, veranda of luifel heeft wel een dak, maar helemaal geen muren eronder.

Overture heeft dit in zijn eigen schema opgenomen. De buildings guide zegt dat de geometrie "expected to be the most outer footprint, roofprint if traced from satellite/aerial imagery" is. Google zegt hetzelfde over hoge gebouwen in zijn FAQ: het model "is trained to detect building rooftop rather than base", waardoor de polygoon bij hoge gebouwen ligt waar het dak verschijnt en niet waar het gebouw staat.

De fout stapelt zich op wanneer je duizenden gebouwen vermenigvuldigt. Voor zonnepotentieel heb je het dak nodig, dus een roofprint is de juiste vorm. Bodemafdichting, overstromingsrisico en naleving van bouwafstanden hebben de basis nodig, en een roofprint overschat ze alle drie ongemerkt.

Footprint of perceel

Een perceel, of kadastrale grens, is een juridisch object. Het is de grond die iemand bezit. Het gebouw staat erin en bedekt er meestal maar een deel van. Perceeldata komt uit een kadaster en verandert wanneer het eigendom verandert. Footprints komen uit beeldmateriaal of landmetingen en veranderen wanneer het gebouw verandert. De twee combineren is een gebruikelijke en nuttige bewerking. Ze voor hetzelfde aanzien zorgt ervoor dat je een tuin als dak meetelt.

Footprint of vloeroppervlak

De bruto vloeroppervlakte is ongeveer de footprint vermenigvuldigd met het aantal verdiepingen, en daar letten belasting- en ruimtelijkeordeningsregels meestal op. Het gebouwvolume is de 3D-huid: footprint plus hoogte plus dakvorm. Een footprint alleen vertelt je geen van beide. Als je vloeroppervlakte nodig hebt, heb je een aantal verdiepingen of een hoogte nodig, en slechts enkele datasets bevatten een van beide.

Eén gebouw of meerdere

Rijwoningen zijn het geval dat de meeste pipelines breekt. Een rij van acht huizen deelt muren, dus van bovenaf zie je één doorlopend dak zonder zichtbare naad. Detectors geven één polygoon terug. Kadasters geven er acht. Geen van beide is fout. Ze beantwoorden verschillende vragen, en je moet beslissen welke vraag je analyse nodig heeft voordat je iets telt.

Binnenplaatsen zijn gaten. Een gebouw rond een binnenplaats is dus een polygoon met een binnenring, en elke tool die binnenringen verwijdert, maakt de oppervlakte groter. Een kerk met een schip en een afzonderlijke toren kan als multipart-geometrie binnenkomen. En opnieuw zijn er de luifels: het dak van een tankstation overdekt een terrein waar niets onder staat.

Waarvoor mensen footprints gebruiken

Zonnepotentieel, op basis van dakoppervlakte en oriëntatie. Overstromings- en brandrisico, en de verzekeringspremies die daarop gebaseerd zijn. Bevolkingsschattingen wanneer de volkstelling verouderd is of ontbreekt. Vastgoedbelasting en het opsporen van niet-vergunde uitbreidingen. Telecom- en netwerkplanning, waarbij een gebouw zowel een obstakel als een klant is. 3D-stadsmodellen, geëxtrudeerd uit footprint plus hoogte. Schadebeoordeling na een aardbeving of storm, door twee datums met elkaar te vergelijken.

Voor al deze toepassingen heb je hetzelfde nodig: één polygoon per gebouw, met een oppervlakte die je kunt vertrouwen.

Waar je data over gebouwfootprints vindt

Vijf bronnen dekken de meeste behoeften. Alles in deze tabel is op 23 augustus 2026 gelezen op de eigen pagina van de uitgever.

Lees de licenties voordat je kiest. ODbL is een share-alike-licentie, dus een afgeleide database moet onder dezelfde voorwaarden opnieuw worden verspreid. Die clausule heeft meer dan één klantoplevering om zeep geholpen. CDLA Permissive 2.0 en CC BY 4.0 vragen alleen om naamsvermelding. Google publiceert onder zowel CC BY 4.0 als ODbL en laat je kiezen. Dat heeft het bewust gedaan, zodat de OpenStreetMap-community en alle anderen de data konden gebruiken zonder discussie over compatibiliteit.

De drie wereldwijde bronnen zijn het oneens over dezelfde grond, en juist dat verschil is nuttig.

Als je alleen een bestand voor één gebied wilt, leest onze gratis downloader voor gebouwfootprints de drie wereldwijde bronnen uit voor een door jou getekende box en geeft hij je GeoJSON met de attributie erin. Geen account nodig. De box is beperkt tot 25 km².

Wanneer open data niet genoeg is

Vier situaties, en in een normaal jaar kom ik ze alle vier tegen.

Het gebied wordt niet gedekt. Google stopt aan de rand van het Globale Zuiden. Microsoft gaat waar Bing-beelden zijn gemaakt. OpenStreetMap gaat waar iemand de moeite heeft genomen.

De data is ouder dan de vraag. Google Open Buildings voerde zijn inference uit in mei 2023. Een woonwijk die in 2025 is opgeleverd staat er niet in, en hoeveel je ook downloadt, dat verandert niet.

De gebouwen zijn nieuw of verdwenen. Schadebeoordeling en bouwmonitoring hebben allebei twee datums nodig, en open data geeft je er één.

Je hebt een vorm nodig die niemand publiceert. Dakvlakken voor een zonneonderzoek, of gebouwen uit je eigen dronevlucht van 5 cm, waar een wereldwijd model van 30 cm niets bruikbaars over te zeggen heeft.

Dan extraheer je ze zelf.

Vier manieren om footprints voor je eigen gebied te krijgen

Drie van de vier draaien binnen . Voor elke methode gelden dezelfde vragen: wat moet je installeren, is er een GPU of account nodig, verlaat je beeldmateriaal je machine, wat gaat erin, wat komt eruit, wat kost het voor echt werk en wat is één beperking?

De open datasets, gedownload. Je installeert niets. Geen GPU, geen account. Er verlaat niets je machine behalve de bounding box waar je naar vraagt. Je voert een box in en krijgt GeoJSON terug met de licentie en attributie in het bestand. Gratis. De beperking: je krijgt alleen terug wat de uitgevers al in kaart hebben gebracht, dus een nieuwe woonwijk blijft ontbreken. Onze downloader.

Onze AI Segmentation. QGIS plugin manager, daarna een account. Geen GPU, geen download van weights en geen Python-omgeving. Automatic en de cloud save in Semi-Auto sturen het beeldmateriaal binnen de zone die je tekent naar onze servers in Europa. Het kleine Semi-Auto-model draait lokaal en houdt het beeldmateriaal op je machine. Je voert een zone in over een raster of basemap, plus een woord zoals building. Je krijgt een gestileerde GeoPackage terug, één polygoon per object, elk met een klasse, een confidence score en een oppervlakte. Gratis voor 3 km² automatische detectie per maand, daarna €39 per maand voor 300 km². De beperking: je krijgt meer terug dan je vroeg, dus ventilatieopeningen, dakramen en schuurtjes op binnenplaatsen komen terug als correct omlijnde polygonen die geen gebouwen zijn. Je filtert ze op confidence en oppervlakte. Productpagina.

Deepness. Plugin manager, daarna installeert het OpenCV en ONNX Runtime bij de eerste start. Ongeveer twintig minuten wanneer het werkt. Geen account. Alles draait op je machine, CPU voor kleine rasters en je eigen CUDA-configuratie voor snelheid. Je voert een raster layer in plus een ONNX-modelbestand dat je zelf aanlevert. Je krijgt een vector- of raster layer terug. Gratis, Apache 2.0. De beperking: het bevat zelf geen detectiemogelijkheid, en een model dat is getraind op beelden van 25 cm leest je dronevlucht van 5 cm zonder waarschuwing als ruis. Repository en documentatie.

Mapflow, by Geoalert. Plugin manager, daarna log je in. Geen GPU. Het draait op hun servers, dus het beeldmateriaal verlaat je machine bij elke run. Je voert een gebied in dat je tekent over een van hun beeldbronnen. Je krijgt vector layers terug: gebouwen met optionele hoogte, wegen, velden en bos. Gebouwen kosten 10 credits per km² tegen $0.10 per credit, naar boven afgerond op hele vierkante kilometers. Een stad van 10 km² kost dus ongeveer $10. Het gratis plan geeft 250 credits voor maximaal 25 km², maar exporteren is geblokkeerd. De beperking: rijwoningen worden samengevoegd tot één polygoon, zoals hun eigen screenshots laten zien. Plugin-documentatie.

Voor de bredere vergelijking, inclusief de lokale SAM-gebaseerde opties, zie het overzicht van AI plugins en de QGIS AI-hub.

Probeer het gratis in QGIS, geen kaart nodig

Controleer de layer voordat je hem vertrouwt

Vijf controles, in de volgorde waarin ik ze uitvoer. Ze kosten ongeveer vijftien minuten en hebben me meer dan eens gered van het opleveren van een verkeerd getal.

De volgende stap, als je nu de polygonen wilt en niet alleen de definitie, is de handleiding: gebouwfootprints automatisch detecteren in QGIS. Daarin wordt de filterstap behandeld die bepaalt of de layer bruikbaar is.