Detectar contornos de edificações no QGIS: 3 métodos

Para detectar contornos de edificações (footprints) no QGIS há três caminhos: baixar um conjunto de dados aberto, executar um plugin de detecção por IA sobre suas próprias imagens ou vetorizar à mão. O mais rápido é o segundo. Instale o plugin pelo gerenciador de complementos, carregue suas imagens, desenhe uma área, digite buildings, clique em Detectar objetos, e uma camada poligonal aparece no SRC do seu projeto. Depois filtre esse resultado bruto por confiança e área, porque uma grande parte do que retorna não é uma edificação: executei uma rodada sobre o centro de Paris, obtive 635 polígonos, e decidir quais 82 manter levou mais tempo do que a detecção.

0:00 / 0:00

Comece pelos dados abertos, sempre. Só avance quando a cobertura tiver lacunas, a época estiver errada ou os contornos precisarem corresponder à ortofoto específica que um cliente lhe entregou.

Método 1: baixar contornos de edificações de fontes abertas

Você precisa do QGIS 3.22 ou mais recente, de uma camada de imagens em que confie e de uma conexão com a internet para o método 2. Nenhum dos três exige uma placa gráfica dedicada.

Em muitos trabalhos, você não precisa detectar nada. Três conjuntos de dados abertos cobrem grande parte do planeta entre si, e em um único bairro eles podem discordar por milhares de edificações.

Use quando: a área já está bem mapeada e você pode conviver com a época e a licença do conjunto de dados.

Ignore quando: a cobertura tem lacunas, a época está errada ou os contornos precisam se alinhar a uma ortofoto específica.

Método 2: detecção automática (a nossa, na nuvem)

Um contorno de edificação é o perímetro da edificação no ponto em que ela encontra o solo, como um polígono plano. Não é o telhado, não é o lote, não é o ponto do endereço. Isso importa aqui porque as imagens verticais mostram o telhado: em um quarteirão Haussmann de cinco andares fotografado perto do nadir, o deslocamento é pequeno, mas em uma torre não é. Vale saber disso antes de prometer a alguém uma camada de contornos, e há uma versão mais longa em o que é um contorno de edificação.

Um modelo de detecção automática lê suas imagens e devolve os contornos das edificações como polígonos, cada um com uma pontuação de confiança. Nós desenvolvemos um desses, o AI Segmentation. Esta seção trata da nossa própria ferramenta.

Ele é instalado pelo gerenciador de complementos como qualquer outro: nenhum download manual, nenhum ambiente Python, nenhuma placa gráfica dedicada, porque o modelo roda em nossos servidores. Windows, macOS e Linux.

Uma execução contabiliza o terreno que cobre. Cada conta recebe uma franquia gratuita todos os meses, sem cartão, e Pro aumenta esse limite. A detecção roda em servidores europeus, nós não treinamos com suas imagens, e há um pequeno modelo local caso nada possa sair da sua máquina. O guia completo explica Manter, Corrigir e Formas em detalhes.

Filtrar é o trabalho todo

O resultado bruto da detecção é um conjunto de polígonos candidatos com pontuações de confiança. Em imagens densas, a maioria é pequena e incerta. Exportei essa execução em Paris com os dois filtros totalmente abertos, então todos os candidatos foram parar na camada: 635 polígonos em 1,18 km².

Metade do que retornou é menor que uma vaga de estacionamento: saídas de ventilação, claraboias, casas de escada, galpões de pátio. São elementos reais nas imagens, corretamente delineados, mas não são o que ninguém quer dizer quando fala em contorno de edificação.

Então filtre. Mova os dois controles deslizantes no painel ou faça o mesmo trabalho na tabela de atributos com Selecionar por expressão:

"area_m2" >= 50 AND "score" >= 0.5

Isso deixa 82 polígonos de 635, cobrindo 222.338 m² dos 263.658 m² totais. Em vez de aceitar minha palavra sobre os limites, mova-os você mesmo. O verde sobrevive ao filtro, o branco não.

Observe o segundo número enquanto arrasta o primeiro. Descartar 87% dos polígonos custa 16% da área, e o restante é ruído que você teria apagado manualmente de qualquer forma, um por um, enquanto se perguntava se a ferramenta era realmente boa.

Ajuste os dois ao trabalho. Um levantamento de galpões industriais pode elevar o limite de área para 200 m². Ao mapear assentamentos informais, 50 m² descarta casas reais, então reduza para 15 e confie mais na pontuação de confiança.

Como é um resultado limpo

Paris é um caso difícil. A mesma ferramenta em casas isoladas cerca de 10 km a oeste:

A mesma ferramenta, a mesma cidade, quase nada para descartar. O que mudou foi a estrutura construída, não o modelo.

Onde falha: blocos densos e contínuos

Cada polígono traça o envelope construído de um quarteirão inteiro, acompanhando a linha da rua e recortando corretamente os pátios. É bom para área construída ou superfície impermeável, mas errado se você precisa de um polígono por endereço. Nenhum modelo que leia uma imagem vertical consegue encontrar a parede compartilhada entre duas edificações geminadas, porque, vistas de cima, não há nada ali para ver.

Limpeza da geometria

Três ferramentas nativas do QGIS organizam uma camada de contornos, e a ordem importa porque Simplificar move os vértices que você acabou de ajustar.

1. Simplificar, tolerância de 0,5 m sobre imagens aéreas. Reduz bastante a contagem de vértices sem mover a fronteira de forma perceptível.
2. Ortogonalizar. Ajusta ângulos próximos a 90 graus. Use-a em dados abertos ou trabalhos traçados manualmente, onde nada ainda foi ajustado.
3. Excluir buracos, somente se você quiser contornos sólidos. Não no resultado de Paris: aqueles buracos são pátios e estão corretos.

Em uma camada detectada, a etapa 2 é quase uma operação nula. Medi isso em vez de presumir, executando Ortogonalizar sobre 190 edificações detectadas e comparando todos os 1.845 cantos antes e depois.

Os 12% que não são retos são os terraços geminados. Observe a borda escalonada descendo pelo meio do quarteirão. Nenhuma ferramenta de ajuste de cantos corrige isso, porque esses degraus seguem uma linha real do telhado, não um erro de modelagem.

Use quando: houver centenas a milhares de edificações, em imagens que você precisa fazer corresponder, ou quando várias pessoas precisarem produzir a mesma camada da mesma forma.

Ignore quando: você precisar de um polígono por endereço em um centro histórico. Eu não usaria a detecção automática nesse caso, e dados cadastrais com correção manual são melhores.

Teste o AI Agent grátis no QGIS, sem cartão

Método 3: vetorizar à mão

Menos de cinquenta edificações? Desenhe-as. É gratuito, exato, e eu ainda faria isso manualmente nessa escala.

Use quando: houver cerca de cinquenta edificações ou menos, ou quando você precisar de um polígono por endereço em um centro histórico denso.

Ignore quando: a contagem chegar às centenas ou várias pessoas precisarem produzir a mesma camada da mesma forma.

Qual método usar

Duas linhas resolvem a maioria dos trabalhos. Se os contornos precisam se alinhar à ortofoto de um cliente, os dados abertos estão descartados, qualquer que seja a cobertura, e depois de cerca de cinquenta edificações a vetorização manual começa a variar sem avisar. A última linha importa quando a camada precisa se sustentar depois: um conjunto de dados aberto oferece um nome e uma época, uma camada detectada oferece suas próprias imagens mais uma pontuação em cada polígono, e sua própria mão oferece você mesmo.

Perguntas frequentes

Funciona com imagens de drone?

Melhor do que com imagens de satélite. A resolução no solo importa mais do que a fonte: uma ortofoto de 5 cm oferece limites mais limpos e maior confiança do que uma cena de satélite de 30 cm.

Preciso de uma GPU?

Não. Ambos os modos rodam em nossos servidores por padrão, e o pequeno modelo local roda na sua própria CPU, mais lentamente e com menor precisão. Se quiser que tudo permaneça na sua máquina, Geo-SAM e samgeo são gratuitos e bons, e precisam de uma placa NVIDIA.

Quanto custa uma execução?

O modo Automático contabiliza o terreno coberto pela sua área, e IA na nuvem contabiliza um objeto por salvamento. Semi-Auto na sua própria máquina é gratuito. Cada conta recebe uma franquia gratuita todos os meses.

Posso obter um polígono por endereço?

Não a partir de uma imagem vertical, em um centro urbano onde as edificações se tocam. O modelo retorna o envelope construído de todo o quarteirão, com os pátios recortados, o que é correto para área construída e errado para endereços. Em vez disso, faça a junção com dados cadastrais.

Com qual conjunto de dados aberto devo começar?

OpenStreetMap, se sua área tiver mapeadores ativos. Onde não tiver, a diferença é evidente: naquele bairro de 1 km² de Luanda, o OSM não mapeia nenhuma edificação, enquanto a Microsoft tem 3.140 e o Google Open Buildings 4.468.

Que software detecta contornos de edificações para planejamento urbano?

Para um estudo de planejamento, comece no QGIS, que é gratuito: carregue os contornos abertos (OpenStreetMap, Microsoft, Google Open Buildings) e confira com imagens recentes. Onde estiverem faltando ou desatualizados, um plugin de detecção automática como AI Segmentation desenha as edificações a partir da sua própria ortofoto, e assim a camada fica na data das suas imagens. O ArcGIS Pro também tem modelos de edificações pré-treinados, mas exige licença paga e uma GPU para boa velocidade. Para o mapa inteiro, dos dados ao layout estilizado, o AI Agent pode executar essas etapas no QGIS a partir de uma frase.

Para entender completamente a diferença entre telhado e solo, leia o que é um contorno de edificação. Para o caso de raster classificado, em que poligonizar supera qualquer modelo, leia raster para vetor no QGIS. O mesmo método de área e filtro encontra os painéis desses telhados: detecção de painéis solares no QGIS mostra o passo a passo. Para repetir essa sequência de detecção e filtragem em uma nova área sem refazer cada clique, o AI Agent faz isso a partir de uma única instrução no QGIS. Um terreno brownfield costuma aparecer na detecção como lajes e galpões remanescentes, e não como telhados limpos, e a página greenfield e brownfield mostra como cada um aparece visto do alto. O hub de IA do QGIS lista o restante do que desenvolvemos.