Drogi ze zdjęć satelitarnych w QGIS: 6 metod i jedna pułapka

Aby pozyskać drogi w QGIS, zainstaluj QuickOSM, otwórz Wektor > QuickOSM > QuickOSM (Vector > QuickOSM > QuickOSM), zapytaj o klucz highway w zasięgu mapy, a sieć pojawi się jako linie w kilka sekund. Tam, gdzie OpenStreetMap jest ubogi, drogi na mapę wprowadzi pięć innych metod: model segmentacji, opublikowany krajowy zbiór danych, ręczna digitalizacja, ścienianie w GRASS oraz klasyfikacja nadzorowana.

Jeden wybór jest pierwszy i to on decyduje, które metody są dla ciebie dostępne. Nie pozyskujesz dróg. Wybierasz między osią, jedną linią po środku niosącą liczbę pasów i ograniczenie prędkości, a powierzchnią, asfaltem od krawężnika do krawężnika. Wyznaczanie tras potrzebuje linii. Odwodnienie i obmiary remontów potrzebują pola. Połowa metod poniżej daje jedno, połowa drugie, a zamiana jednego na drugie kosztuje dodatkowy krok.

Każdy koszt, wersja i ścieżka w menu sprawdzone 3 września 2026 wobec podręcznika QGIS 3.44 i dokumentacji każdego narzędzia.

Metoda 1: Drogi z OpenStreetMap przez QuickOSM

Trzydzieści sekund sprawdzania OSM oszczędza ci każdą metodę poniżej. QuickOSM pyta Overpass API i wrzuca odpowiedź prosto do projektu.

Tagi to powód, dla którego zmapowany teren bije każdą detekcję. highway=track mówi, że droga to tor rolniczy, a highway=unclassified, że to mała droga publiczna. Żaden model z tej strony nie powie ci ani jednego, ani drugiego, bo detekcja zwraca kształt, a OSM zwraca kształt, który ktoś już nazwał. Wymagane jest uznanie autorstwa na licencji ODbL.

Pokrycie to miejsce, gdzie OSM się kończy. Otwórz linie highway na świeżym zdjęciu na wsi w Afryce, w Azji Południowej albo na rosnącym obrzeżu większości miast, a drogi gruntowe leżą wyraźnie na obrazie bez narysowanej linii.

Użyj, gdy: ktoś już zmapował teren.

Pomiń, gdy: zdjęcia pokazują drogi, których nie ma w warstwie OSM.

Jak kompletny jest OpenStreetMap? Cztery francuskie gminy, zmierzone

W czterech francuskich gminach zmierzonych 23 września 2026 OpenStreetMap zawierał 96 do 98% długości dróg utwardzonych z oficjalnej BD TOPO IGN, a w trzech gminach wiejskich brakowało w nim 20 do 32% dróg polnych i leśnych IGN. Darmowe detekcje Microsoftu znalazły 6 do 12% tych brakujących odcinków. W kraju zmapowanym tak dobrze jak Francja wyciąganie dróg ze zdjęć to problem dróg gruntowych, a nie dróg utwardzonych.

W tych czterech gminach linie Microsoftu pokrywają 89 do 95% długości dróg utwardzonych IGN i 17 do 37% dróg gruntowych.

To, gdzie leżą brakujące drogi, decyduje o tym, czy zdjęcia mogą je znaleźć. W każdej gminie wiejskiej wylosowaliśmy 20 brakujących odcinków i obejrzeliśmy każdy na ortofotomapie IGN. W Orgères-en-Beauce 7 pokazuje drogę na ziemi, a 5 wypada na gołym skraju pola, gdzie nie ma czego prowadzić. W Gérardmer 15 z 20 biegnie pod koronami drzew iglastych, gdzie żaden model patrzący z góry ich nie zobaczy. Saint-Léonard leży pośrodku: 7 widocznych i 5 pod drzewami.

Wyszły dwie rzeczy, które zmieniają sposób zapytania. W Gérardmer kolejne 93 km dróg gruntowych IGN jest w OSM jako highway=path, więc zapytanie QuickOSM samo o track je pomija: zostaw wartość pustą. A OSM zawiera to, czego IGN nie rysuje, na przykład 100 km ścieżek i szlaków w Gérardmer oraz 64 km dróg dojazdowych w Villeurbanne (alejki parkingowe, podwórza, podjazdy).

Jak to zmierzyliśmy

Wzięliśmy troncon_de_route z IGN BD TOPO z Géoplateforme WFS, każdą linię highway z OSM z Overpass z 22 i 23 września 2026 (to, co zwraca QuickOSM, z pominięciem chodników) oraz paczkę Microsoftu z 28 kwietnia 2025, przyciętą do każdej gminy. Każdą linię pocięliśmy na odcinki po 10 m, a odcinek uznajemy za brakujący, gdy w drugim zbiorze nie ma linii w odległości 10 m biegnącej pod kątem do 45 stopni od niego. Przy 5 m lub 20 m drogi utwardzone nadal mają mniej niż 5% braków, a drogi gruntowe od 15 do 37%. Cztery gminy to nie cała Francja, BD TOPO jest wzorcem, a nie prawdą (5 z 20 odcinków z Orgères nie pokazało nic na ziemi), a kontrola na ortofotomapie to ocena jednej osoby na 60 zdjęciach.

Metoda 2: Model segmentacji

Model segmentacji nauczył się, jak wygląda droga, więc kształt i kontekst niosą go dalej niż bliźniaki, które zatrzymują metodę 6. Budujemy jedno z takich narzędzi, AI Segmentation. Ta część jest o naszym narzędziu.

Wynik to poligony od krawężnika do krawężnika i nigdy osie, więc obiekt liniowy kosztuje cię powyższy krok szkieletowania. Oba tryby chmurowe wysyłają zdjęcia na serwer w Unii Europejskiej i tylko mały lokalny model zostaje na twojej maszynie.

Korony drzew rwą powierzchnię na kawałki, które łączysz ręcznie, i to samo robią pomosty. Mokry asfalt i świeża nakładka zmieniają ton na tyle, by urwać odcinek. Nie publikujemy liczby dokładności, bo liczba jeździ z twoimi zdjęciami.

Jedna liczba z naszej tabeli strojenia, bo tłumaczy wynik, który dziwi ludzi. Drogi idą na grubszym kaflu niż budynki, od 512 m terenu na kafel wobec 128 m dla budynku, bo model, któremu dano fragment asfaltu, nazywa go parkingiem. Droga czyta się jako droga dopiero, gdy model widzi jej przebieg.

Koszty, odczytane 28 września 2026. Darmowy plan obejmuje 1,5 km² terenu miesięcznie w trybie Automatycznym bez karty plus 20 detekcji obiektów miesięcznie w chmurowym trybie Semi-Auto, a Semi-Auto na własnej maszynie nie ma licznika wcale. Pro podnosi to do 100 km² i 500 obiektów za 39 € miesięcznie bez VAT. Mapflow daje model dróg wyceniany w kredytach po 0,10 dolara za sztukę, 5 kredytów za km² plus koszt zdjęć, ze 250 kredytami na start.

Użyj, gdy: zdjęcia są nowsze niż mapa i jest więcej drogi, niż narysujesz ręcznie.

Pomiń, gdy: OSM ma już sieć albo zdjęcia nie mogą opuścić twojej maszyny.

Metoda 3: Opublikowane zbiory dróg

Ktoś mógł już uruchomić detekcję i oddać wynik za darmo.

Microsoft Road Detections obejmuje 54,2 mln km dróg w 235 krajach, wydobyte ze zdjęć lotniczych Bing Maps i oddane na ODbL jako osie, po jednym pliku na kraj.

Meta publikuje własne drogi z AI przez edytor Rapid. Dystrybucja Daylight, która je paczkowała, została zamknięta w maju 2024, więc Rapid jest dziś praktyczną drogą do nich.

Agencje państwowe biją obie tam, gdzie istnieją. Francja publikuje BD TOPO z warstwą Troncons de route o metrowej precyzji na licencji Etalab 2.0, wobec zgrubnego przebiegu, jaki daje zbiór wydobyty. Wielka Brytania publikuje OS Open Roads za darmo przez OS Data Hub, odświeżane co kwiecień i październik.

Haczyk to aktualność. Zbiór detekcji to migawka zdjęć, z których go wydobyto, i żaden z nich nie wie, że droga zamknęła się zeszłej wiosny.

Użyj, gdy: potrzebujesz pokrycia krajowego dziś po południu i data wystarczy.

Pomiń, gdy: zlecenie to zmiana po dacie budowy zbioru.

Metoda 4: Digitalizuj ręcznie, ze śledzeniem

Poniżej około pięćdziesięciu dróg rysowanie nadal wygrywa, a QGIS daje realną pomoc, gdy wiesz, za czym śledzenie idzie.

Włącz edycję, wybierz Add Line Feature, potem włącz narzędzie Tracing na pasku Snapping albo naciśnij T. Dociągnij do wierzchołka, przejdź do drugiego, a QGIS zbuduje najkrótszą ścieżkę między nimi wzdłuż istniejących krawędzi. Rozwiń ikonę śledzenia i ustaw Offset, by digitalizować równolegle do tych obiektów, a nie po nich.

Dwa zachowania zaskakują ludzi. Śledzenie wyłącza się samo, gdy mapa trzyma za dużo obiektów, i wraca, gdy przybliżysz. Do wolnej krzywej R daje digitalizację strumieniową.

Użyj, gdy: poniżej około pięćdziesięciu dróg albo poprawki wobec warstwy, której ufasz.

Pomiń, gdy: patrzysz na dzielnicę niezmapowanych dróg gruntowych.

Metoda 5: GRASS r.thin, potem r.to.vect

Pracuj w układzie płaskim. Dwa kroki poniżej biorą szerokość w jednostkach warstwy, a szerokość w stopniach nic nie znaczy.

To jedyna metoda, która daje osie wprost i dlatego trzyma się w 2026. Podaj raster, w którym droga to jedna wartość, a wszystko inne to druga: progowany skan mapy papierowej albo maskę z metody 2 lub 6.

r.thin sprowadza każdy ciąg do jednego piksela szerokości i ten łańcuch pikseli jest osią. r.to.vect z typem line zamienia go w geometrię. Podręcznik GRASS ostrzega, że tworzy nadmiar węzłów na skrzyżowaniach i wiszące ostrogi, więc zaplanuj czyszczenie: odrzuć ostrogi po długości, potem połącz odcinki, które powinny być jedną drogą.

GRASS idzie z większością instalatorów QGIS, więc nie ma nic ekstra do kupienia. To też krok, który zamienia powierzchnię z metody 2 w sieć linii, czyli para, której używam najczęściej.

Użyj, gdy: masz czystą maskę drogową albo czysty skan i potrzebujesz linii.

Pomiń, gdy: wejściem jest kolorowe zdjęcie.

Metoda 6: Klasyfikacja nadzorowana

Sklasyfikuj piksele, potem zwektoryzuj klasę dróg. Semi-Automatic Classification Plugin to standardowe narzędzie, autor Luca Congedo. Wydanie 9.0.4 wymaga QGIS 3.99, linii QGIS 4, więc na QGIS 3.x menedżer poda ci zamiast tego 8.5.0. dzetsaka robi to samo z mniejszym interfejsem.

Rysujesz pola treningowe na pikselach dróg i na każdej innej klasie na scenie, uruchamiasz klasyfikator taki jak Maximum Likelihood, potem wysyłasz klasę dróg przez Raster > Konwersja > Poligonizuj (raster na wektor)… (Raster > Conversion > Polygonize). Przewodnik po zamianie rastra na wektor obejmuje tę drugą połowę, łącznie z algorytmami, które naprawiają schodkowe krawędzie po poligonizacji.

Działa, gdy asfalt naprawdę różni się od otoczenia, a kanały multispektralne pomagają. Pada na bliźniakach, bo klasyfikator porównuje wartości pikseli i nic nie wie o kształcie: szare dachy, suche koryta i gołe miedze lądują w klasie dróg. Zaplanuj godziny na próbki treningowe i licz się z ich rysowaniem od nowa dla kolejnej sceny.

Użyj, gdy: masz kanały multispektralne i drogi, które się w nich wyróżniają.

Pomiń, gdy: drogi i dachy dzielą kolor, czyli w większości miast.

Co zapamiętać

Cztery rzeczy psują każdą metodę z tej strony, niezależnie ile za nią zapłacono. Korony drzew nad osiedlową ulicą chowają drogę przed każdym sensorem patrzącym z góry, więc wynik wraca w kawałkach. Droga gruntowa i pole obok mają ten sam kolor i dlatego drogi nieutwardzone giną dokładnie tam, gdzie najbardziej trzeba je zmapować.

Dwie pozostałe to problemy kształtu. Rzeki, suche koryta i linie kolejowe to długie cienkie obiekty i każda metoda pikselowa wrzuca je do klasy dróg. Mosty i wyloty tuneli tną powierzchnię w miejscu, gdzie sieć najbardziej musi zostać połączona.

Sprawdź najpierw OpenStreetMap, bo trzydzieści sekund tam decyduje, czy pięć pozostałych metod warto otwierać. W dobrze zmapowanym kraju zostają do znalezienia głównie drogi gruntowe, a wiele z nich leży pod drzewami.

Wybierz między osią a powierzchnią, zanim wybierzesz metodę, nie po. Trasy potrzebują linii, obmiary pola potrzebują poligonu, a zamiana kosztuje krok w każdą stronę.

Śledzenie automatyczne idzie po istniejących obiektach wektorowych, nigdy po zdjęciu pod spodem. r.thin potrzebuje binarnego rastra, nigdy fotografii.

Drogi pod drzewami wracają połamane w każdej metodzie z tej strony i żadne pieniądze tego nie naprawią.

Powierzchnia z metody 2 puszczona przez metodę 5 daje sieć osi, której nikt nie musiał digitalizować.

Wypróbuj bezpłatnie w QGIS, karta niepotrzebna

Częste pytania

Czy QGIS sam wyciągnie drogi ze zdjęć satelitarnych?

Nie automatycznie. Rdzeń QGIS digitalizuje ręcznie i wektoryzuje raster, który już sklasyfikowano. Do dróg ze zdjęcia trzeba wtyczki: model segmentacji albo klasyfikator jak SCP, który sam trenujesz.

Czy ekstrakcja dróg daje linie czy poligony?

Oba istnieją i metoda decyduje. OSM, zbiory państwowe, opublikowane detekcje i GRASS r.thin zwracają linie. Klasyfikacja nadzorowana i modele segmentacji zwracają powierzchnie, bo powierzchnia to to, co pokazuje zdjęcie. GRASS v.voronoi.skeleton zamienia jedno na drugie.

Dlaczego drogi pod koronami wychodzą połamane?

Żaden sensor patrzący z góry nie widzi przez koronę, więc luka jest w danych, zanim dotknie ich program. Połącz kawałki, dociągając odcinki w sesji edycji.

Jak kompletna jest sieć dróg w OpenStreetMap?

Dla dróg utwardzonych w dobrze zmapowanym kraju prawie kompletna: w czterech francuskich gminach zmierzonych we wrześniu 2026 OSM zawierał 96 do 98% długości dróg utwardzonych IGN. Lukę stanowią drogi gruntowe, bo w gminach wiejskich brakuje 20 do 32% ich długości z IGN. Na świecie badanie z 2017 roku oceniło sieć dróg OSM na około 83% kompletności.

Czy jakaś metoda znajdzie drogi gruntowe?

Częściowo. Droga gruntowa i pole obok dzielą kolor, więc klasyfikacja zwykle je mija, a modele detekcji łapią te szersze. OSM highway=track to najpewniejsze źródło tam, gdzie był mapowicz, a w tym problem w miejscach, które ich najbardziej potrzebują.

Jaka rozdzielczość zdjęć wystarczy do ekstrakcji dróg?

Taka, która oddziela drogę od tego, co leży obok. Autostrada wyjdzie na grubej scenie satelitarnej; osiedlowa uliczka pod drzewami chce ortofotomapy 20 cm albo lepszej. Przetestuj własne zdjęcia na darmowym planie, zanim wybierzesz metodę.

Czy ekstrakcja dróg w QGIS jest darmowa?

Metody 1 oraz od 3 do 6 są darmowe w instalacji i darmowe w działaniu. Płacą tylko chmurowe modele segmentacji i oba nazwane tutaj mają darmowy limit.

Czy mogę włączyć śledzenie i prowadzić linię po drodze ze zdjęcia?

Śledzenie nie patrzy na obraz. Podręcznik QGIS 3.44 mówi wprost: buduje najkrótszą ścieżkę wzdłuż krawędzi istniejących obiektów wektorowych. Na surowym zdjęciu satelitarnym nie ma czego śledzić, więc narzędzie nic nie robi. Opłaca się, gdy masz już działki albo częściową sieć i chcesz dociągnąć nową geometrię do nich.

Czy mogę uruchomić GRASS r.thin na zdjęciu lotniczym?

r.thin potrzebuje rastra, w którym droga to jedna wartość, a wszystko inne to druga. Podaj mu kolorowe zdjęcie, a ścieni to, co akurat zgrupują wartości pikseli, a nie drogi. To świetne narzędzie postawione o krok za wcześnie: należy po klasyfikacji albo detekcji, nie przed nią.

Przewodnik po zamianie rastra na wektor obejmuje poligonizację z metody 6, a przewodnik po obrysach budynków prowadzi krok filtrowania od startu do końca. Gdy łańcuch z metody 2, czyli detekcja i szkieletowanie, robi się powtarzalny na kolejnych kafelkach, AI Agent wykona te same kroki z jednego polecenia w QGIS. hub QGIS AI porównuje wtyczki obok siebie.