Bygninger er som nævnt bygget oven på todimensionelle luftfotografier. Billederne eller fotografierne er taget fra en flyvemaskine i en vinkel i forhold til jordoverfladen, der gør det muligt både at se bygningen oppefra og dens sider. Disse billeder, der kaldes for skråtstillede billeder, svarer til, hvordan folk normalt ser deres verden sammenlignet med traditionelle (ortogonale) fotografier set ovenfra. Et ortogonalt billede eller et billedet set ovenfra ser sådan ud:
Et skråtstillet billede ser sådan ud:
Hver 3D-klods i Google Bygningsværktøj kan manipuleres (størrelse og retning) og kombineres med andre klodser til at matche todimensionelle luftfotografier af en struktur. Klodserne matches til en bygning ved at trække og anbringe klodsens punkter, så de passer til en struktur i billedet. En kasseklods justeret til et todimensionelt billede af en bygning ser sådan ud: Bemærk, at du ikke kan se alle bygningens sider på et foto.
Den samme bygning set fra en anden vinkel ser sådan ud:
Bemærk, at klodsen i det foregående billede er blå. Klodser i Google Bygningsværktøj skifter fra orange til blå, når klodsen justeres til at passe til en bygnings form (også kendt som at være fikseret til en position i et billede) i mindst to billeder.
Når du gemmer din bygning, startes der automatisk en proces, hvor digitale fotografier af bygningen anvendes på klodsernes sider og top. Denne proces kaldes billedstrukturering. Dine bygninger indsendes også automatisk til medtagelse i laget 3D-bygninger i Google Earth, så alle brugere af Google Earth kan se dine bygninger. Den færdige bygning ser sådan ud:
