QGIS 建筑物轮廓提取：3 种方法对比
发布于 更新于
要在 QGIS 中检测建筑物轮廓，有三条路线：下载开源数据集、在自己的影像上运行 AI 检测插件，或手动数字化。最快的是第二条。从插件管理器安装插件，加载影像，画一个区域，输入 buildings，点击 Detect，一个多边形图层就会落入您的工程 CRS。
中检测建筑物轮廓，有三条路线：下载开源数据集、在自己的影像上运行 AI 检测插件，或手动数字化。最快的是第二条。从插件管理器安装插件，加载影像，画一个区域，输入 过滤是工作的另一半。返回结果中有很大一部分不是建筑物，所以要按置信度和面积削减原始输出。我在巴黎市中心运行了一次，得到 635 个多边形，决定保留哪 82 个所花的时间比检测本身还长。
| 您的输入 | 方法 | 时间 |
|---|---|---|
| OpenStreetMap、Microsoft 或 Google 已经覆盖的区域 | 方法 1：下载开源轮廓 | 几分钟 |
| 几百到几千栋建筑物，且必须使用交给您的那套影像 | 方法 2：自动检测（我们的，云端） | 57 秒检出 848 栋，然后是过滤 |
| 不到五十栋建筑物，或需要按地址逐栋划分的历史中心 | 方法 3：手动数字化 | 取决于您的速度 |
永远先看开源数据。只有当覆盖有缺口、年代不对，或轮廓必须与客户给定的那套正射影像对齐时，才继续往下走。
方法 1：下载开源轮廓
您需要 QGIS 3.22 或更新版本、一套您信任的影像图层，以及用于方法 2 的网络连接。三种方法都不需要独立显卡。
很多任务根本不需要检测。三个开源数据集加起来覆盖了地球大部分地区，在同一个街区上它们之间能差出几千栋建筑。
按所在区域选择数据集
OpenStreetMap 在制图者活跃的地方非常好，而且建筑带有属性。Microsoft Global ML Building Footprints 有超过十亿栋机器提取的建筑，在北美最强。Google Open Buildings 覆盖全球南方，那里 OSM 最稀疏。如果想在加载之前先看看它们各自在您所在区域有什么，可以在我们的免费建筑物轮廓下载器中画一个框，并把想要的那一个下载为 GeoJSON。
对照您的影像加载一个
用 QuickOSM 把 OSM 拉进来。
放大并查看边缘
看一眼边缘，就能决定是停在这里还是继续往下读。
适合使用： 该区域已有较好的制图覆盖，您能接受数据集的年代和许可。
可以跳过： 覆盖有缺口、年代不对，或轮廓必须与某一套特定正射影像对齐。
方法 2：自动检测
建筑物轮廓是建筑物与地面交界处的外轮廓，是一个平面多边形。不是屋顶，不是地块，不是地址点。这在这里很重要，因为垂直影像给您的是屋顶：在接近天底拍摄的五层奥斯曼街区上偏移很小，在高塔上则不是。在向任何人承诺建筑物轮廓图层之前，都要明白这一点，更长的解释见什么是建筑物轮廓。
自动检测模型读取您的影像，以多边形形式返回建筑物轮廓，每个都带有置信度分数。我们做的就是其中一个，AI Segmentation。本节讲的是我们自己的工具。
它和其它工具一样从插件管理器安装：不用手动下载，不用配置 Python 环境，不用独立显卡，因为模型跑在我们的服务器上。Windows、macOS 和 Linux 都可用。
安装并选择影像图层
从插件管理器安装插件，打开面板，选择要读取的栅格。
画一个区域并说出对象名称
画一个区域，输入 buildings，点击 Detect。整个提示词就是这样，也可以用您自己的语言。结果按分块流式返回，成为工程 CRS 中的一个多边形图层。
对象较小时设置精度
唯一值得学的设置是精度，也就是分块大小。小分块让模型看得更近，小目标需要这个。大分块给它更多上下文，农场大地块需要这个。
过滤返回的结果
在成为图层之前，面板会带您走三步：过滤要保留的内容，修正模型漏掉的部分，选择输出形状。第一步决定成败，下一节单独讲。
清理几何
按顺序做简化、正交化和删除孔洞，只在每一步真正有用时做。三者的工具和顺序原因见下文。
一次运行按覆盖的地面计费。每个账户每月有免费额度，无需信用卡，Pro 可以提高额度。检测跑在欧洲服务器上，我们不会用您的影像训练，如果数据不能离机，还有一个小的本地模型。完整指南中讲透了保留、修正和形状。
过滤就是全部工作
原始检测输出是一组带置信度分数的候选多边形。在密集影像上，大多又小又不确定。我把这次巴黎运行的两个过滤器全放开导出，让每个候选都进入图层：1.18 km² 上共 635 个多边形。
返回结果的一半比停车位还小：通风口、天窗、楼梯间、庭院棚屋。影像上真实存在，勾画也正确，但没人会把它们叫建筑物轮廓。
所以要过滤。在面板里拖两个滑块，或用 Select by Expression 在属性表中做同样的事：
"area_m2" >= 50 AND "score" >= 0.5
这样剩下 635 个中的 82 个多边形，从总计 263,658 m² 的面积中保留 222,338 m²。不必相信我的阈值，请自己拖动试试。绿色是您的过滤器留下的，白色不是。
82 / 635个多边形被保留 (13%)
84%的建成面积 (222,338 m²)
属性表中的同样 635 个检测结果。把置信度降到零，庭院棚屋和天窗就会回来。
拖动第一个滑块时，请盯住第二个数字。扔掉 87% 的多边形，只损失 16% 的面积，被扔掉的本来就是您要手动一个个删除的噪声，删的时候还会怀疑工具好不好用。
按任务调整两个阈值。工业厂房普查可以把面积下限提高到 200 m²。绘制非正式住区时，50 m² 会扔掉真正的房屋，可以降到 15，改靠置信度分数来筛选。
干净的结果长什么样
巴黎是难例。同一个工具，在往西约 10 km 的独栋住宅区的效果：
85m²
多边形面积中位数
巴黎的运行：3.2 m²
0.79
置信度中位数
巴黎的运行：0.26
251个多边形
保留，共返回 251 个
巴黎的运行：635 个中保留 82 个
同一个工具，同一个城市，几乎不用扔。变的是建成肌理，不是模型。
断点：密集连片街区
每个多边形描的是整个街区的建成包络，紧贴街线，正确挖除庭院。做建成区或不透水面很好，按地址要逐栋多边形则不行。从垂直影像读取的任何模型都找不到相邻建筑之间的共用墙，因为从上往下看那里什么都看不到。
清理几何
三个 QGIS 原生工具可以整理建筑物轮廓图层，顺序很重要，因为简化会移动您刚拉直的顶点。
- Simplify，航空影像上容差 0.5 m。顶点数大幅削减，边界移动肉眼不可见。
- Orthogonalize。把接近直角的角拉直。用在开源数据或手绘成果上，那里还没人拉直过。
- Delete holes，只在想要实心轮廓时用。巴黎这个结果不要用：那些洞是庭院，是对的。
在检测得到的图层上，第 2 步接近空操作。我没有凭空假设，而是实测过：对 190 栋检测到的建筑物运行 Orthogonalize，对比前后全部 1,845 个角。
87.9%
的角已在直角 1° 以内
运行任何处理之前
87.9%
运行 Orthogonalize 之后
同样的 1,845 个角
1.7cm
顶点位移中位数
最大为 9.1 cm
不成直角的 12% 是联排。看街区中间的阶梯状边缘。任何角工具都修不了它，因为那些台阶跟着真实屋顶线走，不是建模误差。
适合使用： 几百到几千栋建筑物，影像必须对齐，或多人必须用同样方式产出同一个图层。
可以跳过： 在历史市中心需要按地址逐栋划分。我不会在那里用自动检测，地籍数据加手动修正更合适。
方法 3：手动数字化
不到五十栋建筑，直接画。免费、精确，这个量级我自己也会手画。
打开捕捉
Project -> Snapping Options，顶点和线段，打开拓扑编辑。不开的话，一下午都在删碎条。
描绘，并留意自己的走形
画到第 60 栋左右，您开始走捷径，这在第 6 栋时绝不会发生，而且您自己察觉不到。它已经进图层了。
适合使用： 大约五十栋以下，或在密集历史中心需要按地址逐栋划分。
可以跳过： 数量达到几百栋，或多个人必须用同样方式产出同一个图层。
记住什么
| 开源数据集 | 自动检测 | 手动数字化 | |
|---|---|---|---|
| 成本 | 免费 | 免费额度，之后付费 | 免费 |
| 准备 | 几分钟 | 几分钟 | 无 |
| 适合 | 已有较好覆盖的区域 | 几百到几千栋 | 约 50 栋以下 |
| 与您的影像对齐 | 否 | 是 | 是 |
| 团队多人一致 | 是 | 是 | 否 |
| 密集连片街区 | 视数据而定 | 只有街区包络 | 是 |
| 可说明的来源 | 数据集和年代 | 您的影像，带置信度分数 | 您本人 |
先查开源数据集。在同一个街区上它们能差出几千栋建筑，所以对照您的影像看一眼边缘，就能决定是否继续。
必须与客户正射影像对齐的轮廓，无论覆盖多好，都排除开源数据集。
检测的主要工作是过滤：巴黎市中心 635 个中保留 82 个，占建成面积的 84%。
在相连建筑处，垂直影像给不出按地址逐栋的多边形，花多少钱都不行。去关联地籍数据。
超过五十栋左右，手动数字化会悄悄走形而不自知。
常见问题
无人机影像可用吗？
比卫星更好用。地面分辨率比来源更重要：5 cm 正射影像的边界更干净、置信度更高，比 30 cm 的卫星场景好。
需要 GPU 吗？
一次运行多少钱？
自动模式按区域覆盖的地面计费，云端 AI 每次保存计一个对象。自己机器上的半自动模式免费。每个账户每月有免费额度。
能按地址逐栋划分吗？
在建筑相连的市中心，从垂直影像做不到。模型返回的是整个街区的建成包络，庭院已挖除，做建成区是对的，做地址是错的。去关联地籍数据。
开源数据集从哪个开始？
有活跃制图者的区域从 OpenStreetMap 开始。没有的地方差距很大：在罗安达的那个 1 km² 街区，OSM 一栋建筑物都没有标出，而 Microsoft 收录 3,140 栋，Google Open Buildings 收录 4,468 栋。
什么软件可以为城市规划检测建筑轮廓？
做规划研究时，先从免费的 QGIS 开始：加载开放的建筑轮廓数据（OpenStreetMap、Microsoft、Google Open Buildings），再对照最新影像检查。对于缺失或过时的区域，像 AI Segmentation 这样的自动检测插件可以根据你自己的正射影像绘制建筑，让图层与你的影像日期一致。ArcGIS Pro 也有预训练的建筑模型，但需要付费许可证，还要有 GPU 才能跑得快。要完成整张地图，从数据到带样式的打印布局，AI Agent 只需一句话就能在 QGIS 中完成这些步骤。
屋顶与地面差距的完整解释，请读什么是建筑物轮廓。对于已分类的栅格，用栅格矢量化比任何模型都好，请读QGIS 中栅格转矢量。同样的“画区域加过滤”方法也能找到这些屋顶上的光伏板：QGIS 光伏板检测讲了具体做法。如果想在新的区域上重复这套检测和过滤流程，又不想重复每一次点击，AI Agent 可以根据 QGIS 中的一条指令完成。棕地场地在检测中常常表现为遗留的混凝土板和棚屋，而不是干净的屋顶，绿地与棕地这一页讲了二者从空中看分别是什么样。QGIS AI 专题页列出了我们做的其余产品。
