• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于SIFT特征的快速圖像匹配算法

    2016-08-05 07:58:07邵龍?zhí)?/span>宋維波
    計算機應用與軟件 2016年7期
    關(guān)鍵詞:圖像匹配超平面結(jié)點

    楊 松 邵龍?zhí)丁∷尉S波 劉 威

    1(大連理工大學工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室 遼寧 大連 116024)2(大連海洋大學信息工程學院 遼寧 大連 116023)

    ?

    一種基于SIFT特征的快速圖像匹配算法

    楊松1,2邵龍?zhí)?宋維波2劉威2

    1(大連理工大學工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室遼寧 大連 116024)2(大連海洋大學信息工程學院遼寧 大連 116023)

    摘要經(jīng)典的SIFT算法具有良好的尺度、旋轉(zhuǎn)、光強不變特性而廣泛應用于圖像匹配。圖像特征點較少時,匹配過程使用窮舉法查找最近鄰匹配點;當圖像特征點較多時采用KD-Tree結(jié)構(gòu),而其檢索過程存在“回溯”現(xiàn)象,這兩種方法的匹配效率都不高。為了提高特征點的匹配速度,提出改進的SP-Tree結(jié)構(gòu)解決“回溯”問題。在結(jié)點集分割時設(shè)置參數(shù)合理確定左右超平面位置,引入平衡因子作為結(jié)點分割方法選擇的依據(jù),采用近似最近鄰搜索算法加快特征點匹配速度。給出算法的詳細實現(xiàn)過程,并應用兩幅圖像進行驗證。實驗結(jié)果表明:SIFT特征向量采用改進SP-Tree結(jié)構(gòu)在損失少部分匹配點的同時,提高了SIFT特征點的整體匹配速度,適合于圖像特征的實時匹配過程。

    關(guān)鍵詞圖像匹配SIFT特征KD-TreeSP-Tree最近鄰搜索

    0引言

    圖像匹配是一種研究同一場景中兩個不同視角下的圖像之間對應關(guān)系的技術(shù),是計算機視覺應用研究的起點和基石,已廣泛應用于圖像的拼接與融合、目標的識別與跟蹤、攝像機標定、圖像檢索以及三維重構(gòu)等領(lǐng)域[1-4]。目前,圖像匹配[5]方法主要有基于面積、比值和相位等算法,它們存在著共同的缺點:圖像拍攝的焦距要相同,且圖像旋轉(zhuǎn)角度和變形不能太大,這極大地限制了它們的廣泛應用。近年來,基于圖像局部不變性特征的圖像匹配算法以其計算簡單、精度高和魯棒性好等特點成為目前研究的熱點。哥倫比亞大學的Lowe在1999年提出并逐步完善的SIFT算法[6,7]。該算法是通過構(gòu)建金字塔和利用高斯核濾波差分來實現(xiàn)的,該算法不僅具有圖像旋轉(zhuǎn)、尺度變換、仿射變換和視角變化條件下的不變性特征,對目標的運動、遮擋、噪聲等因素影響也能達到較好的匹配效果。Mikolajczyk提出了基于Harris-Laplace和Hessian-Laplace特征匹配算法[8],該算法具有仿射不變性,但檢測到的特征點數(shù)較少。Bay在2006年提出SURF(Speed-up Robust Feature)算法[9],進一步提高了特征的提取速度,但在尺度和旋轉(zhuǎn)的適應性方面不及SIFT算法。優(yōu)秀的圖像匹配算法不僅要求圖像特征點具有穩(wěn)定的表征形式,而且還需要有快速的特征點配準算法。SIFT算子通過計算特征向量間的歐式距離來衡量其相似度。其特征向量的維數(shù)為128維,相似度計算的速度會較慢,而且特征點配對過程采用全局搜索法,其搜索過程的效率不高,尤其特征點數(shù)目較多時,整個圖像匹配過程將非常耗時。為此,學者們從兩個方面研究和改進SIFT算子:一個研究方面是降低特征向量的維數(shù)[10,11],如PCA、SPCA算法,運用主成分分析法提取特征向量的主成分,壓縮向量數(shù)據(jù),降低特征向量的維數(shù),從而減少特征點相關(guān)性計算時間,但會導致匹配準確率的降低。此外,一些算法[12-14]引入其他一些特征點的表征形式,可以在降低特征向量維數(shù)的同時保持較好的匹配準確率。研究的另一方面是采用特殊的結(jié)構(gòu)[15],如KD-Tree[16]、改進KD-Tree[17]等。通過構(gòu)建特征點存儲的二叉樹,同時結(jié)合最近鄰搜索算法,加快特征向量的匹配搜索速度,從而縮短圖像特征點的匹配時間。

    在對Metric-Tree結(jié)構(gòu)進行研究的基礎(chǔ)上,采用SP-Tree[18]結(jié)構(gòu)存儲圖像特征點。SP-Tree是一種高效查詢的二叉樹,其檢索過程不會產(chǎn)生“回溯”問題。SP-Tree的建樹過程通過設(shè)置參數(shù)合理確定左右超平面位置,引入平衡因子作為結(jié)點分割方法選擇的依據(jù),采用近似最近鄰搜索算法加快特征點的匹配過程。文中給出SP-Tree結(jié)點的結(jié)構(gòu)定義、二叉樹建樹的過程和最近鄰結(jié)點搜索算法的具體實現(xiàn)過程,并將其應用在圖像特征點的實時匹配過程中,取得較好的效果。

    1SIFT特征描述

    SIFT圖像匹配算法的特征描述子提取過程[17]包括:首先利用變尺度高斯核函數(shù)與圖像通過卷積運算建立圖像的高斯差分多尺度空間,將同一尺度下的8個相鄰點和上下相鄰尺度對應的18個點共26個點進行比較,找出圖像的局部極值點作為候選關(guān)鍵點;然后通過二次函數(shù)計算特征點的精確位置,再通過計算該位置的高斯差分響應值及曲率去除對比度低的極值點和不穩(wěn)定的邊緣響應點,確定特征點的主方向,使算子獲得更好的旋轉(zhuǎn)不變性。以特征點為中心取16×16個像素的鄰域范圍(圖1以8×8為例),進而分成16個4×4的子塊,提取8個方向(45°間隔)上的梯度值,構(gòu)成128維的SIFT算子的特征向量,對其進行向量歸一化后并對梯度幅值進行限制,以去除光照變化的影響。

    圖1 SIFT特征點示意圖

    2特征向量匹配算法

    通過上述過程生成圖像的特征點描述子,包含每個特征點的位置、尺度和方向等信息。在理想狀態(tài)下的兩幅圖像相同部分的特征點應具有相同的特征描述子,它們之間的距離應該最近,因而可以采用最近鄰搜索方法尋找圖像特征點的對應關(guān)系。衡量特征點相似程度的度量有歐式距離[17]、斜面距離[19]等。

    近年來,KD-Tree結(jié)構(gòu)被用于特征向量的匹配過程,可以加快搜索速度,其搜索過程包括兩部分時間開銷:一部分是一個特征點集合的建樹時間,這部分是固定的,且較為耗時,這也是當特征點規(guī)模較小時不采用KD-Tree搜索的原因。另一部分是在建好的KD-Tree中進行最近鄰搜索時間。在KD-Tree中進行最近鄰搜索時容易產(chǎn)生“回溯”搜索過程,KD-Tree在第S維度上的空間劃分的示意圖如圖2(a)所示,在分割超平面兩邊分布有數(shù)目相當?shù)臄?shù)據(jù)點。當查詢點位于分割超平面附近時,因為其最近鄰有可能落在分割超面的另一邊,其“回溯”操作必須進行。針對這個問題,近年來研究人員提出了不少改進方案,如回溯搜索從優(yōu)先級最高的樹結(jié)點開始,確保優(yōu)先搜索包含最近鄰點可能性較高的空間[17]等。本文針對KD-Tree的“回溯”問題,提出改進SP-Tree算法,縮短了最近鄰特征向量的搜索時間。

    圖2 KD-Tree和SP-Tree空間劃分示意圖

    3最近鄰搜索算法

    3.1Metric-Tree[20]

    Metric-Tree是一棵二叉樹,它的結(jié)點都是點的集合,根結(jié)點代表了所有點的集合。對于非葉子結(jié)點v所代表的集合N(v)被分割成兩個子集,分別用v的兩個孩子結(jié)點v.lc和v.rc表示,滿足式(1)和式(2):

    N(v)=N(v.lc)∪N(v.rc)

    (1)

    ?=N(v.lc)∩N(v.rc)

    (2)

    3.2結(jié)點分割算法

    建立Metric-Tree的關(guān)鍵是如何分割結(jié)點v,方法如下:

    步驟1從N(v)中選擇兩個樞紐點v.lpv和v.rpv,滿足:

    ‖v.lpv-v.rpv‖=maxp1,p2∈N(v)‖p1-p2‖

    (3)

    步驟3每個結(jié)點包含一個中心點為v.center,半徑為v.r的超球B,滿足N(v)∈B(v.center,v.r)。

    4SP-Tree結(jié)構(gòu)

    4.1SP-Tree定義

    如圖1(b)所示,SP-Tree在Metric-Tree的基礎(chǔ)上改進的,在超平面L左右兩側(cè)以距離τ為間距分別作平行于超平面L的超平面LL和LR。

    N(v)中LL右側(cè)的點劃分到v.rc中,LR左側(cè)的點劃分到v.lc中,即:

    N(v.lc)={x|x∈N(v),d(x,LR)+2τ>d(x,LL)}

    (4)

    N(v.rc)={x|x∈N(v),d(x,LL)+2τ>d(x,LR)}

    (5)

    4.2改進的SP-Tree搜索

    在SP-Tree的基礎(chǔ)上,做出改進如下:在結(jié)點分割算法中需要確定左右超平面,可以在超平面左右距離為τ建立左右超平面。但是在進行結(jié)點超平面確定時為了保證左右孩子結(jié)點中包含的特征點數(shù)相等,而使得超平面并非過中心點,超平面左右并不對稱,超平面法向量在超平面左右的長度分別為ll和lr,且ll!=lr,這里引入?yún)?shù)α(0<α<1),設(shè)置左右超平面距離分別為ll×α和lr×α,這種設(shè)置方法更為合理。

    不是所有的結(jié)點都要進行重疊劃分,定義一個平衡因子ρ(一般取0.7),如果對于取定的τ(已被上式替換),劃分后結(jié)點v的任一孩子結(jié)點包含的點數(shù)大于ρ‖N(v)‖時,則按Metric-Tree的分割方式對結(jié)點v重新進行劃分;否則,保留原先的劃分方式,繼續(xù)對其孩子結(jié)點按上述方法進行分割,直到結(jié)點包含的點數(shù)達到葉子結(jié)點的要求為止,近似最近鄰查詢與SP-Tree相同。

    4.3近似的最近鄰搜索

    對于查詢q,如果當前結(jié)點為v,q在v結(jié)點超平面L的左側(cè),則遞歸地查詢v的左孩子v.lc;否則遞歸地查詢v的右孩子v.rc,直到查詢到葉子結(jié)點,則認定該葉子結(jié)點為q的最近鄰結(jié)點。

    4.4具體的算法實現(xiàn)

    給出算法的具體定義和實現(xiàn)過程,采用Matlab語言表示:

    (1)SP-Tree的二叉搜索樹結(jié)構(gòu)和超平面的定義

    structSpTreeNode

    {

    set N;

    //該結(jié)點包含的特征點集合

    SpTreeNode *lc;

    //左孩子指針

    SpTreeNode *rc;

    //右孩子指針

    HyperplanehPlane;

    //超平面

    HyperplanelhPlane;

    //左超平面

    HyperplanerhPlane;

    //右超平面

    Point center;

    //特征向量組成的超球的中心點,初始值為空間原點

    int radius;

    //該特征點集空間的超球半徑,初始值為0

    bool overlapping;

    //是否重疊劃分標志,初始值為false

    boolisleaf;

    //是否為葉子結(jié)點標志,初始值為false

    };

    structHyperplane

    {Point PointOnPlane;

    //超平面上一點,默認值為空間原點

    NormalVectornVector;

    //超平面法向量,默認值為零向量

    };

    //用超平面上一點和其法向量表示該超平面

    (2) SP-Tree的建立算法

    步驟1初始化一個SpTreeNode隊列;

    步驟2創(chuàng)建根結(jié)點RootNode,入隊;

    步驟3若隊列非空,取出隊首元素SpCurNode,判斷該結(jié)點包含的特征點集合大??;若大于葉子結(jié)點允許包含的最大特征點數(shù),則按照分割算法來分割該結(jié)點為兩個結(jié)點lcNode和rcNode,SpCurNode.lc = &lcNode,SpCurNode.rc = &rcNode,并將lcNode和rcNode入隊;否則,修改結(jié)點的isleaf標志,隊首元素直接出隊;若隊列為空,則退出算法;

    步驟4轉(zhuǎn)向步驟3執(zhí)行。

    (3) SP-Tree的根結(jié)點建立算法

    步驟1初始化一個SpTreeNode型變量RootNode;

    步驟2將所有特征點的索引值加入RootNode.N中(為了節(jié)省空間,對所有特征點集合只保留一個全局副本,樹結(jié)點中的成員變量N只保存該結(jié)點中特征點在副本中的索引值);

    步驟3計算RootNode.center(為了減小時間復雜度,取所有特征向量對應維度上最大最小值的平均值作為中心點在該維度上的值);

    步驟4計算超球半徑RootNode.radius(超球空間中所有特征向量距中心點的距離最大值);

    步驟5確定超平面RootNode.hPlane;

    步驟6左右超平面RootNode.lhPlane;RootNode.rhPlane初始化為默認值,RootNode.overlapping初始化為false,左右孩子指針初始化為NULL。

    (4) 確定超平面RootNode.hPlane算法

    步驟1在RootNode.N找到距離最遠的兩個特征向量lpv和rpv,采用近似算法:先找到距離中心點最遠的特征點lpv,再以lpv為基準找到距離lpv最遠的點rpv,RootNode.hPlane.nVector=rpv-lpv;

    步驟2對所有屬于RootNode.N的特征向量v,統(tǒng)計v-lpv在RootNode.hPlane.nVector上的投影值,找出所有投影值的中位數(shù)median,則RootNode.hPlane.PointOnPlane = lpv+median/dist(RootNode.hPlane.nVector)*RootNode.hPlane.nVector。

    (5) 結(jié)點分割算法

    不是所有的結(jié)點都要進行重疊劃分,定義一個平衡因子(一般取0.7),如果對于取定的、重疊劃分后結(jié)點的任一孩子結(jié)點包含的點數(shù)大于*SpCurNode.N.size()時,則按Metric-Tree的分割方式對結(jié)點進行劃分;否則進行重疊劃分,具體步驟如下:

    步驟1初始化兩個SpTreeNode:lcNode、rcNode;

    步驟2在當前結(jié)點超平面SpCurNode.hPlane左右兩側(cè)作超平面的平行平面lhPlane、rhPlane,超平面法向量在超平面左右的長度分別為ll和lr,分別在距離ll×ratio和lr×ratio (0

    步驟3分別作如下操作:

    ① 用兩個集合lcN、rcN記錄分割后左右孩子中包含的特征點索引;

    ② 首先用lcN、rlN分別記錄rhPlane和lhPlane的右側(cè)和左側(cè)的特征點,并計算點數(shù)rhpCount、lhpCount;可以通過特征點與超平面上的點組成的向量在超平面上法向量上的投影的正負來判斷在超平面的哪一側(cè);

    ③ 判斷(lhpCount>pho*SpCurNode.N.size()|| rhpCount>pho*SpCurNode.N.size()),若為假,則:

    SpCurNode.lhPlane = lhPlane,SpCurNode.rhPlane=rhPlane,SpCurNode.overlapping = true;

    若為真,則SpCurNode.overlapping = false,修改lcN、rlN分別記錄lPlane左右兩側(cè)的特征點;

    ④ lcNode.N = lcN,rcNode.N = rcN,再分別計算lcNode.center、rcNode.center、lcNode.radius、rcNode.radius、lcNode.hPlane、rcNode.hPlane,其他成員仍為默認值,返回。

    (6) 最近鄰查詢

    給定一個特征向量,先查詢根結(jié)點,若在根結(jié)點超平面的左側(cè)則遞歸地查詢左孩子結(jié)點;否則,遞歸地查詢右孩子結(jié)點,直到當前結(jié)點為葉子結(jié)點。順序查詢?nèi)~子結(jié)點中包含的特征向量,找到最近點和次近點后返回。

    5實驗結(jié)果與分析

    本文提取圖像SIFT特征進行點匹配實驗,所有編程都在Matlab 7.0環(huán)境下,實驗用計算機的配置如下:CPU:Intel Core i3-370,主頻2.4 GHz,內(nèi)存2 GB,操作系統(tǒng)為Windows 7。實驗采用標準圖像Lena、Building進行測試,搜索到最近鄰特征點后,采用比值提純法[17]剔除實際未匹配的特征點。如圖3-圖6所示。

    圖3 Lena圖像

    圖4 三種匹配算法的比較

    圖5 Building圖像

    圖6 三種匹配算法的比較

    通過表1的對比可知,采用改進SP-Tree結(jié)構(gòu)進行特征點匹配具有很快的速度。若圖像特征點較少,則采用窮舉算法則取得較好的效果,因為KD-Tree結(jié)構(gòu)建樹還需要花費較多時間。當圖像特征點較多時(超過2500個[17]),選用KD-Tree+BBF效果較好。本文的SP-Tree算法執(zhí)行時間包括建SP -Tree的過程和在二叉樹中進行近似最近鄰搜索的過程,在損失少部分匹配特征點的情況下,匹配速度有較大的提升,適合對圖像特征點匹配要求不高的情況。

    表1 三種匹配方法實驗結(jié)果對比(匹配時間:s)

    6結(jié)語

    本文給出SP-Tree結(jié)構(gòu)的定義,并對特征點建樹、最近鄰匹配點搜索過程進行詳細說明,消除KD-Tree樹搜索過程的“回溯”問題。通過對標準圖像進行SIFT特征匹配實驗,并與原有的匹配算法和BBF-KD-Tree匹配算法進行比較得出,本文算法在減少部分匹配點對的同時,其匹配速度有顯著的提升,可應用于特征點實時匹配過程。

    參考文獻

    [1] Brown M,Lowe D G.Recognizing panoramas[C]//Proceeding of the 9thInternational Conference on Computer Vision(ICCV03),Nice,France:IEEE,2003:1218-1225.

    [2] 楊云濤,馮瑩,曹毓,等.基于SURF的序列圖像快速拼接方法[J].計算機技術(shù)與發(fā)展,2011,21(3):6-9,14.

    [3] Jegou H,Harzallah H,Schmid C.A contextual dissimilarity measure for accurate and efficient image search[C]//Proceeding of the Conference on Computer Vision & Pattern Recognition.Minneapolis,USA,2007:1-8.

    [4] 王劍,周國民.圖像三維重建中的特征點匹配方法研究[J].計算機工程與應用,2009,45(2):10-12.

    [5] Zitova B,Flusser J.Image registration methods:a survey[J].Image and Vision Computing,2003,21(11):977-1000.

    [6] Lowe D G.Object recognition from local scale invariant features[C]//Corfu,Greece. International Conference on Computer Vision,1999:1150-1157.

    [7] Lowe D G.Distinctive image features from scale-invariant key-points[J].International Journal of Computer Vision,2004,60(2):91-110.

    [8] Mikolajczyk K,Schmid C.Indexing based on scale invariant interest points[C]//The Proceeding of the 8thInternational Conference on Computer Vision(ICCV01),Vancouver,2001:525-531.

    [9] Bay H,Tuytelaars T,VanGool L.Surf:Speeded up robust features[C]//The 9thEuropean Conference on Computer Vision(ECCV06),GRAZ,2006:404-417.

    [10] Ke Y,Sukthankar R.PCA-SIFT:A more distinctive representation for local image descriptors[C]//Proceedings of IEEEComputer Society Conference on Computer Vision and Pattern Recognition,Washington,D.C.,2004:506-513.

    [11] 吳賢偉,岑杰,邰曉英.一種快速圖像特征降維方法:SPCA[J].寧波大學學報:理工版,2005,18(3):336-339.

    [12] 劉立,彭復員,趙坤,等.采用簡化SIFT算法實現(xiàn)快速圖像匹配[J].紅外與激光工程,2008,37(1):181-184.

    [13] 鄭永斌,黃新生,豐松江.SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J].計算機輔助設(shè)計與圖形學學報,2010,22(2):286-291.

    [14] 石釗銘,耿伯英,董銀文.基于改進SIFT的航拍圖像快速匹配方法[J].指揮控制與仿真,2013,35(1):106-110.

    [15] Bentley J L.Multidimensional binary search trees used for associative searching[J].Communications of the ACM,1975,18(9):509-517.

    [16] 杜振鵬,李德華.基于KD-Tree搜索和SURF特征的圖像匹配算法研究[J].計算機與數(shù)字工程,2012,40(2):96-98,126.

    [17] 王永明,王貴錦.圖像局部不變性特征與描述[M].北京:國防工業(yè)出版社,2010.

    [18] Liu T,Moore A W,Gray A,et al.An investigation of practical approximate nearest neighbor algorithms[M].NIPS,MIT Press,Cambridge,2005.

    [19] 傅衛(wèi)平,秦川,劉佳,等.基于SIFT算法的圖形目標匹配與定位[J].儀器儀表學報,2011,32(1):163-169.

    [20] Ciaccia P,Patella M,Zezula P.M-Tree:An efficient access method for similarity search in metric spaces[C]//Proceedings of 23rdVLDB International Conference,Athens,Greece,1997:426-435.

    收稿日期:2015-03-04。國家自然科學基金項目(50905022,5130 9047);國家高技術(shù)研究發(fā)展計劃項目(2010CB7315022);工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室專項基金項目(S09104)。楊松,副教授,主研領(lǐng)域:數(shù)字圖像處理,模式識別。邵龍?zhí)?,教授。宋維波,講師。劉威,講師。

    中圖分類號TP391

    文獻標識碼A

    DOI:10.3969/j.issn.1000-386x.2016.07.043

    A QUICK IMAGE MATCHING ALGORITHM BASED ON SIFT FEATURE

    Yang Song1,2Shao Longtan1Song Weibo2Liu Wei2

    1(StateKeyLaboratoryofStructuralAnalysisofIndustrialEquipment,DalianUniversityofTechnology,Dalian116024,Liaoning,China)2(InstituteofInformationEngineering,DalianOceanUniversity,Dalian116023,Liaoning,China)

    AbstractDue to its good invariant characteristics in scaling, rotation and light intensity, the classic SIFT algorithm has been widely used in image matching. If there are fewer image feature points, the exhaustion method is used to find the nearest matching point. If there are more image feature points, KD-tree will then be used, but the backtracking phenomenon exists in its retrieval process, so the matching efficiency of both methods are low. In order to improve feature points matching speed, we propose an improved SP-Tree structure to solve the backtracking problem. The parameter α is set to determine a reasonable location about hyper-plane in node set segmentation, and a balancing factors ρ is introduced as the choice basis for different node segmentation method, and the approximate nearest searching algorithm is adopted, which can accelerate the speed of feature points matching. In the paper we give the detailed implementation process of the algorithm and the validations with two standard images. Experimental results show that the SIFT feature vector, by using a modified SP-Tree structure, at the expense of few matching points, greatly improves the overall speed of SIFT feature points matching. It is suitable for image features matching in real time.

    KeywordsImage matchingSIFT featureKD-TreeSP-TreeNearest neighbour search

    猜你喜歡
    圖像匹配超平面結(jié)點
    全純曲線的例外超平面
    涉及分擔超平面的正規(guī)定則
    以較低截斷重數(shù)分擔超平面的亞純映射的唯一性問題
    Ladyzhenskaya流體力學方程組的確定模與確定結(jié)點個數(shù)估計
    一種用于光照變化圖像匹配的改進KAZE算法
    分擔超平面的截斷型亞純映射退化性定理
    挖掘機器人圖像匹配算法研究
    基于SIFT和LTP的圖像匹配方法
    基于降落圖像匹配的嫦娥三號著陸點位置評估
    航天器工程(2014年4期)2014-03-11 16:35:37
    基于Raspberry PI為結(jié)點的天氣云測量網(wǎng)絡實現(xiàn)
    三级毛片av免费| av网站在线播放免费| 久久ye,这里只有精品| 天天躁日日躁夜夜躁夜夜| 亚洲三区欧美一区| 国产不卡av网站在线观看| 丝袜美腿诱惑在线| 又大又爽又粗| 法律面前人人平等表现在哪些方面| 欧美乱色亚洲激情| 国产一区有黄有色的免费视频| 国产精品.久久久| 中文欧美无线码| 中出人妻视频一区二区| 热99国产精品久久久久久7| av天堂在线播放| 亚洲视频免费观看视频| 一区二区三区精品91| 在线播放国产精品三级| 少妇 在线观看| 国产又色又爽无遮挡免费看| 天堂中文最新版在线下载| x7x7x7水蜜桃| 午夜91福利影院| 午夜视频精品福利| 99在线人妻在线中文字幕 | 飞空精品影院首页| 午夜福利,免费看| 最新的欧美精品一区二区| 多毛熟女@视频| 两人在一起打扑克的视频| 中文字幕av电影在线播放| 动漫黄色视频在线观看| 99国产精品免费福利视频| 最新的欧美精品一区二区| 亚洲精品国产色婷婷电影| 97人妻天天添夜夜摸| 国产又色又爽无遮挡免费看| 又大又爽又粗| 久久青草综合色| 国产精品久久久久久精品古装| 日韩欧美三级三区| 久久久国产成人免费| 精品久久久久久久久久免费视频 | 中文字幕制服av| 一二三四社区在线视频社区8| 亚洲一区二区三区欧美精品| 黑人猛操日本美女一级片| 亚洲自偷自拍图片 自拍| 免费看a级黄色片| 亚洲av成人av| av福利片在线| 亚洲精品av麻豆狂野| 精品国产亚洲在线| 在线免费观看的www视频| 麻豆av在线久日| 男女高潮啪啪啪动态图| 女同久久另类99精品国产91| 中文字幕人妻丝袜一区二区| 国产欧美日韩一区二区精品| 高潮久久久久久久久久久不卡| 建设人人有责人人尽责人人享有的| 亚洲精品一二三| 99riav亚洲国产免费| 伦理电影免费视频| 久久国产精品影院| 他把我摸到了高潮在线观看| 99精品久久久久人妻精品| 午夜免费鲁丝| 国产成人欧美| 精品久久久久久久毛片微露脸| 国产成人一区二区三区免费视频网站| 精品久久久精品久久久| 国产真人三级小视频在线观看| 男女免费视频国产| 搡老乐熟女国产| 国产亚洲av高清不卡| 91麻豆精品激情在线观看国产 | 国产aⅴ精品一区二区三区波| 精品少妇一区二区三区视频日本电影| 日本精品一区二区三区蜜桃| 日本vs欧美在线观看视频| 午夜日韩欧美国产| 搡老岳熟女国产| 99国产精品一区二区蜜桃av | 天堂动漫精品| 很黄的视频免费| 日韩免费高清中文字幕av| 涩涩av久久男人的天堂| 国产精品久久久久久人妻精品电影| 人妻久久中文字幕网| 下体分泌物呈黄色| 日韩三级视频一区二区三区| 亚洲精品乱久久久久久| 亚洲色图av天堂| av视频免费观看在线观看| 视频在线观看一区二区三区| 高潮久久久久久久久久久不卡| 午夜精品国产一区二区电影| 国产精品av久久久久免费| 亚洲一区高清亚洲精品| 一级a爱视频在线免费观看| 丰满的人妻完整版| 日韩有码中文字幕| 亚洲专区字幕在线| avwww免费| 啪啪无遮挡十八禁网站| √禁漫天堂资源中文www| 一级a爱视频在线免费观看| 一进一出好大好爽视频| 99热国产这里只有精品6| 看黄色毛片网站| 女人高潮潮喷娇喘18禁视频| 国产成人精品久久二区二区91| 国内久久婷婷六月综合欲色啪| 亚洲欧美激情在线| 亚洲人成77777在线视频| 国产区一区二久久| 久久香蕉精品热| 国产一区二区三区综合在线观看| 亚洲人成伊人成综合网2020| 老司机在亚洲福利影院| 久久中文看片网| 欧美精品一区二区免费开放| 男男h啪啪无遮挡| 老熟女久久久| 夜夜爽天天搞| 9色porny在线观看| ponron亚洲| 叶爱在线成人免费视频播放| 男女高潮啪啪啪动态图| 老熟女久久久| 十八禁人妻一区二区| 精品国内亚洲2022精品成人 | 午夜精品在线福利| 日韩免费高清中文字幕av| 在线观看免费视频网站a站| 18在线观看网站| xxxhd国产人妻xxx| 亚洲国产精品sss在线观看 | 99热网站在线观看| 国产精品乱码一区二三区的特点 | 国产真人三级小视频在线观看| 亚洲精品自拍成人| 国产99久久九九免费精品| 99国产极品粉嫩在线观看| 久久精品国产亚洲av高清一级| 欧美精品av麻豆av| 亚洲伊人色综图| 99国产精品一区二区蜜桃av | 99精国产麻豆久久婷婷| 久久热在线av| 欧美日韩黄片免| videos熟女内射| 日韩欧美免费精品| 精品久久蜜臀av无| 国产成+人综合+亚洲专区| 久久久久久久国产电影| 精品国产美女av久久久久小说| 国内毛片毛片毛片毛片毛片| 欧美亚洲 丝袜 人妻 在线| 大片电影免费在线观看免费| 成人永久免费在线观看视频| 欧美精品亚洲一区二区| 免费黄频网站在线观看国产| 午夜福利免费观看在线| 制服诱惑二区| 久久人妻av系列| 在线观看免费视频日本深夜| 亚洲精品久久成人aⅴ小说| 男女之事视频高清在线观看| 亚洲人成伊人成综合网2020| 精品国产国语对白av| 日韩免费av在线播放| 国产淫语在线视频| 色精品久久人妻99蜜桃| 99久久99久久久精品蜜桃| 午夜福利乱码中文字幕| 久99久视频精品免费| 国产精品乱码一区二三区的特点 | 久久精品熟女亚洲av麻豆精品| 久久性视频一级片| 欧美国产精品va在线观看不卡| 久久天堂一区二区三区四区| 国产精品亚洲av一区麻豆| 侵犯人妻中文字幕一二三四区| 国产一区二区三区综合在线观看| 国产激情久久老熟女| 黄色 视频免费看| 黄频高清免费视频| 少妇猛男粗大的猛烈进出视频| 久久国产精品男人的天堂亚洲| 91国产中文字幕| 一级毛片女人18水好多| 精品国产超薄肉色丝袜足j| 国产在线精品亚洲第一网站| 亚洲午夜理论影院| 一区二区三区激情视频| 在线视频色国产色| 18禁美女被吸乳视频| √禁漫天堂资源中文www| 久久国产精品影院| 在线免费观看的www视频| 成年人黄色毛片网站| 人妻丰满熟妇av一区二区三区 | 宅男免费午夜| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧美日韩高清在线视频| 国产精品久久久久久精品古装| 久久狼人影院| 久久人妻熟女aⅴ| 午夜精品久久久久久毛片777| 免费在线观看日本一区| 超碰97精品在线观看| 久久天堂一区二区三区四区| 超色免费av| 亚洲精品国产色婷婷电影| av免费在线观看网站| 久热这里只有精品99| 桃红色精品国产亚洲av| 精品国产乱子伦一区二区三区| 国产日韩欧美亚洲二区| 国产精品av久久久久免费| 精品久久蜜臀av无| 日韩中文字幕欧美一区二区| 亚洲男人天堂网一区| 一进一出抽搐动态| 亚洲在线自拍视频| 三上悠亚av全集在线观看| av有码第一页| 久久这里只有精品19| 国产精品欧美亚洲77777| 黑人巨大精品欧美一区二区mp4| 黄片小视频在线播放| 色精品久久人妻99蜜桃| 久99久视频精品免费| 91大片在线观看| 中文字幕最新亚洲高清| 精品免费久久久久久久清纯 | 成年女人毛片免费观看观看9 | 黑人巨大精品欧美一区二区mp4| 国产蜜桃级精品一区二区三区 | 飞空精品影院首页| 久久亚洲精品不卡| av在线播放免费不卡| 亚洲aⅴ乱码一区二区在线播放 | www.999成人在线观看| 国产精品久久视频播放| 成人影院久久| 亚洲精品中文字幕在线视频| 人妻一区二区av| 这个男人来自地球电影免费观看| 欧美日韩亚洲国产一区二区在线观看 | 如日韩欧美国产精品一区二区三区| 国产精品 欧美亚洲| 精品国产亚洲在线| 人人妻人人澡人人爽人人夜夜| 女人精品久久久久毛片| www日本在线高清视频| 日本欧美视频一区| 亚洲av日韩精品久久久久久密| 69精品国产乱码久久久| 国产成+人综合+亚洲专区| 国产一卡二卡三卡精品| 国产男女超爽视频在线观看| 99热网站在线观看| 女人爽到高潮嗷嗷叫在线视频| 波多野结衣av一区二区av| 这个男人来自地球电影免费观看| 免费av中文字幕在线| 欧美人与性动交α欧美软件| 亚洲 国产 在线| 欧美黑人精品巨大| a在线观看视频网站| 国产精品永久免费网站| 国产1区2区3区精品| 国产精品亚洲一级av第二区| 亚洲精品一二三| 中文欧美无线码| 欧美国产精品一级二级三级| 亚洲色图av天堂| 三上悠亚av全集在线观看| 成年人免费黄色播放视频| 亚洲av熟女| 一边摸一边抽搐一进一出视频| 国产成人系列免费观看| 精品福利永久在线观看| 黑人猛操日本美女一级片| 一边摸一边做爽爽视频免费| 国产一区有黄有色的免费视频| 国产伦人伦偷精品视频| 成熟少妇高潮喷水视频| 欧美不卡视频在线免费观看 | 丰满人妻熟妇乱又伦精品不卡| 久久久久久免费高清国产稀缺| 亚洲视频免费观看视频| 日韩人妻精品一区2区三区| 免费久久久久久久精品成人欧美视频| 一边摸一边抽搐一进一出视频| 亚洲精品在线美女| 午夜免费观看网址| 在线观看免费日韩欧美大片| 50天的宝宝边吃奶边哭怎么回事| 999久久久精品免费观看国产| 久久久久精品人妻al黑| 成年人黄色毛片网站| 日日夜夜操网爽| 亚洲第一av免费看| 91av网站免费观看| 精品久久久久久电影网| 国产精品99久久99久久久不卡| 成人免费观看视频高清| 法律面前人人平等表现在哪些方面| 一边摸一边做爽爽视频免费| 99re6热这里在线精品视频| 欧美乱妇无乱码| 制服人妻中文乱码| 亚洲精品中文字幕在线视频| 日韩欧美一区二区三区在线观看 | 欧美乱妇无乱码| 亚洲精品国产色婷婷电影| 久久精品国产a三级三级三级| 久久精品人人爽人人爽视色| 中文字幕色久视频| 激情视频va一区二区三区| 一本一本久久a久久精品综合妖精| 久久香蕉激情| 欧美精品啪啪一区二区三区| 国产淫语在线视频| 亚洲七黄色美女视频| 大码成人一级视频| 欧美日韩av久久| 日韩三级视频一区二区三区| 婷婷丁香在线五月| 亚洲成人免费电影在线观看| 美女高潮到喷水免费观看| 欧洲精品卡2卡3卡4卡5卡区| 天堂俺去俺来也www色官网| 亚洲中文av在线| 多毛熟女@视频| 亚洲中文字幕日韩| 啦啦啦 在线观看视频| 久久久久久亚洲精品国产蜜桃av| 亚洲午夜精品一区,二区,三区| 十八禁高潮呻吟视频| 亚洲黑人精品在线| 久久午夜综合久久蜜桃| 午夜精品国产一区二区电影| 亚洲九九香蕉| 久久久久视频综合| 精品少妇一区二区三区视频日本电影| 18禁国产床啪视频网站| 亚洲人成电影免费在线| 国产99久久九九免费精品| 色在线成人网| 交换朋友夫妻互换小说| xxx96com| 午夜精品国产一区二区电影| 亚洲七黄色美女视频| 一级毛片女人18水好多| 免费看a级黄色片| 十八禁人妻一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 成年女人毛片免费观看观看9 | 日本精品一区二区三区蜜桃| 日本一区二区免费在线视频| 亚洲专区字幕在线| a级片在线免费高清观看视频| 国产精品美女特级片免费视频播放器 | 久久国产精品人妻蜜桃| 在线观看www视频免费| 国产不卡av网站在线观看| 制服诱惑二区| 色婷婷久久久亚洲欧美| 国产精品二区激情视频| 夜夜夜夜夜久久久久| 又黄又爽又免费观看的视频| 国产精品久久久人人做人人爽| 久久香蕉激情| 亚洲欧美精品综合一区二区三区| 精品国产美女av久久久久小说| 免费在线观看黄色视频的| 午夜激情av网站| 久久中文看片网| 在线av久久热| 在线观看www视频免费| 午夜亚洲福利在线播放| 热re99久久国产66热| 一区福利在线观看| 精品免费久久久久久久清纯 | 99re在线观看精品视频| 人成视频在线观看免费观看| 窝窝影院91人妻| 国产一区有黄有色的免费视频| tocl精华| 成年人午夜在线观看视频| 日本精品一区二区三区蜜桃| 久久久国产一区二区| 亚洲成人免费电影在线观看| 成人亚洲精品一区在线观看| 日韩欧美在线二视频 | 欧美乱妇无乱码| 午夜福利影视在线免费观看| 亚洲熟妇熟女久久| 正在播放国产对白刺激| 午夜影院日韩av| 一级片免费观看大全| 亚洲中文日韩欧美视频| 一区福利在线观看| 国产极品粉嫩免费观看在线| 午夜福利影视在线免费观看| 丰满的人妻完整版| 国产精品秋霞免费鲁丝片| 九色亚洲精品在线播放| 视频区欧美日本亚洲| 国产男女内射视频| 91字幕亚洲| 中国美女看黄片| 亚洲av成人一区二区三| 欧美老熟妇乱子伦牲交| 18禁裸乳无遮挡动漫免费视频| 色婷婷久久久亚洲欧美| 国产精品二区激情视频| 多毛熟女@视频| 纯流量卡能插随身wifi吗| 18禁美女被吸乳视频| 国产日韩一区二区三区精品不卡| 色在线成人网| 视频在线观看一区二区三区| 黑人操中国人逼视频| 欧美老熟妇乱子伦牲交| 最新在线观看一区二区三区| 曰老女人黄片| 黄色片一级片一级黄色片| 一边摸一边做爽爽视频免费| 国产成人精品无人区| 99精品在免费线老司机午夜| 啦啦啦免费观看视频1| 精品无人区乱码1区二区| 国产99白浆流出| 久久ye,这里只有精品| 精品亚洲成a人片在线观看| 国产精品久久久久久人妻精品电影| 国产1区2区3区精品| 在线免费观看的www视频| 国产亚洲欧美98| 亚洲精品成人av观看孕妇| 国产一区二区三区在线臀色熟女 | 国产熟女午夜一区二区三区| 欧美日韩精品网址| 久久精品人人爽人人爽视色| 日韩欧美在线二视频 | 美女 人体艺术 gogo| 好看av亚洲va欧美ⅴa在| 18禁国产床啪视频网站| 精品无人区乱码1区二区| 国产精品亚洲一级av第二区| 欧美日韩亚洲综合一区二区三区_| 91麻豆av在线| 亚洲五月色婷婷综合| 99国产综合亚洲精品| 国内久久婷婷六月综合欲色啪| 亚洲专区中文字幕在线| 国产成人精品无人区| 9191精品国产免费久久| 两个人免费观看高清视频| 国产精品美女特级片免费视频播放器 | 国产精品久久电影中文字幕 | 久久草成人影院| 国产高清激情床上av| 欧美国产精品一级二级三级| 99热只有精品国产| 丁香六月欧美| 一夜夜www| 亚洲专区国产一区二区| 午夜精品在线福利| 精品电影一区二区在线| 久久草成人影院| 国产91精品成人一区二区三区| 欧美最黄视频在线播放免费 | 天天操日日干夜夜撸| 亚洲专区国产一区二区| 成人黄色视频免费在线看| 999久久久国产精品视频| 十分钟在线观看高清视频www| 国产av一区二区精品久久| xxx96com| 国产一区二区激情短视频| 在线观看舔阴道视频| 最近最新中文字幕大全免费视频| 精品国产亚洲在线| aaaaa片日本免费| 亚洲国产毛片av蜜桃av| 国产成人啪精品午夜网站| 亚洲av美国av| 99久久99久久久精品蜜桃| 高清黄色对白视频在线免费看| 久久国产精品影院| 国产国语露脸激情在线看| 一a级毛片在线观看| 国产精品一区二区免费欧美| 久久国产精品大桥未久av| 97人妻天天添夜夜摸| 波多野结衣一区麻豆| av线在线观看网站| 女人精品久久久久毛片| 丰满的人妻完整版| 99国产精品99久久久久| 天天操日日干夜夜撸| 亚洲精品国产区一区二| 久久草成人影院| 久久中文看片网| 黄色毛片三级朝国网站| 久久99一区二区三区| 欧美亚洲日本最大视频资源| 免费不卡黄色视频| av欧美777| 人人澡人人妻人| 国内毛片毛片毛片毛片毛片| 国产精品亚洲一级av第二区| 国产欧美日韩综合在线一区二区| 免费少妇av软件| 黄色怎么调成土黄色| 黑丝袜美女国产一区| 手机成人av网站| 亚洲熟女精品中文字幕| 亚洲第一av免费看| 两个人看的免费小视频| 极品教师在线免费播放| 国产亚洲av高清不卡| 性少妇av在线| 精品人妻在线不人妻| 久久ye,这里只有精品| 午夜福利免费观看在线| 麻豆成人av在线观看| 在线观看免费午夜福利视频| 国产一区有黄有色的免费视频| 最新美女视频免费是黄的| 精品国产一区二区三区久久久樱花| 精品福利观看| 18禁黄网站禁片午夜丰满| 一a级毛片在线观看| 丁香六月欧美| 最近最新中文字幕大全免费视频| 动漫黄色视频在线观看| 亚洲一区高清亚洲精品| www.999成人在线观看| 搡老熟女国产l中国老女人| 久久久久国内视频| videos熟女内射| 久久久久精品国产欧美久久久| 大香蕉久久网| 少妇 在线观看| 国产欧美日韩综合在线一区二区| 久久国产精品男人的天堂亚洲| 人人妻人人添人人爽欧美一区卜| 高清黄色对白视频在线免费看| 久久久久久免费高清国产稀缺| 操美女的视频在线观看| 国产91精品成人一区二区三区| 日韩免费高清中文字幕av| 国产精品久久视频播放| 纯流量卡能插随身wifi吗| 国产精品欧美亚洲77777| 91精品三级在线观看| 无限看片的www在线观看| 久久性视频一级片| 午夜福利欧美成人| 丁香六月欧美| 精品福利永久在线观看| 嫩草影视91久久| 最新美女视频免费是黄的| 老司机影院毛片| 久久国产精品影院| av片东京热男人的天堂| 99精品欧美一区二区三区四区| 一本综合久久免费| 欧美成狂野欧美在线观看| 国产又色又爽无遮挡免费看| 脱女人内裤的视频| 亚洲男人天堂网一区| 美国免费a级毛片| 成年人黄色毛片网站| 精品视频人人做人人爽| 美女福利国产在线| 亚洲五月天丁香| 国产男靠女视频免费网站| 国产人伦9x9x在线观看| 亚洲性夜色夜夜综合| 亚洲五月色婷婷综合| 亚洲免费av在线视频| 亚洲成av片中文字幕在线观看| 久久精品亚洲精品国产色婷小说| 久久午夜亚洲精品久久| 国产主播在线观看一区二区| 亚洲av成人一区二区三| 一边摸一边抽搐一进一小说 | 丰满迷人的少妇在线观看| 狠狠婷婷综合久久久久久88av| 国产亚洲一区二区精品| 婷婷丁香在线五月| 国产成人精品在线电影| 精品少妇一区二区三区视频日本电影| 亚洲免费av在线视频| 国产欧美亚洲国产| 欧美精品亚洲一区二区| 操美女的视频在线观看| 老汉色av国产亚洲站长工具| 老司机亚洲免费影院| 欧美日韩视频精品一区| 亚洲精品久久成人aⅴ小说| av电影中文网址| 69精品国产乱码久久久| 亚洲视频免费观看视频| 女人爽到高潮嗷嗷叫在线视频|