• <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)
    精品熟女少妇八av免费久了| 亚洲中文av在线| 在线观看一区二区三区| 一本一本综合久久| av天堂在线播放| 国产1区2区3区精品| 嫩草影院精品99| 欧美乱码精品一区二区三区| 人成视频在线观看免费观看| 在线国产一区二区在线| 中文字幕人成人乱码亚洲影| 久9热在线精品视频| 丝袜在线中文字幕| 视频在线观看一区二区三区| 不卡av一区二区三区| 女性生殖器流出的白浆| 9191精品国产免费久久| 成人免费观看视频高清| 怎么达到女性高潮| 亚洲精品美女久久久久99蜜臀| 黄色a级毛片大全视频| 国产av一区二区精品久久| 老司机福利观看| 丁香欧美五月| 黑人巨大精品欧美一区二区mp4| 国产成人精品久久二区二区免费| 欧美精品亚洲一区二区| 黑人欧美特级aaaaaa片| 两个人免费观看高清视频| 久久午夜综合久久蜜桃| 后天国语完整版免费观看| 中国美女看黄片| 国产精品 国内视频| 免费在线观看成人毛片| 男人操女人黄网站| 人人澡人人妻人| 色老头精品视频在线观看| 伊人久久大香线蕉亚洲五| 国产av不卡久久| 亚洲五月婷婷丁香| 黄片播放在线免费| 99久久久亚洲精品蜜臀av| 国产精品免费一区二区三区在线| 亚洲一码二码三码区别大吗| 久久久久国产一级毛片高清牌| 好看av亚洲va欧美ⅴa在| 麻豆久久精品国产亚洲av| 99热只有精品国产| 99精品久久久久人妻精品| 国产高清videossex| 亚洲色图av天堂| 久久久精品欧美日韩精品| 天天添夜夜摸| 99久久国产精品久久久| 久久久久免费精品人妻一区二区 | 此物有八面人人有两片| 久久久国产精品麻豆| 日韩有码中文字幕| 搡老熟女国产l中国老女人| 波多野结衣高清无吗| 天堂√8在线中文| 免费看十八禁软件| 脱女人内裤的视频| 人人妻人人澡欧美一区二区| 性色av乱码一区二区三区2| 国产精品亚洲av一区麻豆| 看黄色毛片网站| 一区二区三区激情视频| 黄色视频不卡| 国产精品一区二区三区四区久久 | 在线看三级毛片| 69av精品久久久久久| 亚洲国产欧洲综合997久久, | 亚洲人成电影免费在线| 男人操女人黄网站| 欧美性猛交╳xxx乱大交人| 亚洲精品一区av在线观看| 美女国产高潮福利片在线看| 日韩国内少妇激情av| 久久国产亚洲av麻豆专区| 欧美最黄视频在线播放免费| 99国产精品99久久久久| 男人舔奶头视频| 欧美日韩中文字幕国产精品一区二区三区| 99久久精品国产亚洲精品| 国产亚洲精品综合一区在线观看 | 亚洲成av片中文字幕在线观看| 成人手机av| xxx96com| 神马国产精品三级电影在线观看 | 在线观看日韩欧美| 美国免费a级毛片| 久久欧美精品欧美久久欧美| 日日干狠狠操夜夜爽| 久久久久国产一级毛片高清牌| 女性被躁到高潮视频| 日韩 欧美 亚洲 中文字幕| 亚洲av第一区精品v没综合| 久久久久国产一级毛片高清牌| 欧美日韩瑟瑟在线播放| 香蕉av资源在线| 欧美成狂野欧美在线观看| 午夜激情福利司机影院| 精品国内亚洲2022精品成人| 国产精品久久久久久亚洲av鲁大| 满18在线观看网站| 亚洲人成网站高清观看| 自线自在国产av| 色综合站精品国产| 美女 人体艺术 gogo| 看片在线看免费视频| 午夜福利高清视频| 亚洲欧美一区二区三区黑人| 国内久久婷婷六月综合欲色啪| 精品少妇一区二区三区视频日本电影| АⅤ资源中文在线天堂| 女人被狂操c到高潮| 国产伦一二天堂av在线观看| 黄色女人牲交| 亚洲成人久久爱视频| 亚洲午夜理论影院| 一区福利在线观看| 99在线视频只有这里精品首页| 50天的宝宝边吃奶边哭怎么回事| 国产av在哪里看| 欧美激情高清一区二区三区| 正在播放国产对白刺激| 欧美+亚洲+日韩+国产| 免费在线观看完整版高清| 99精品久久久久人妻精品| 99精品在免费线老司机午夜| 国产爱豆传媒在线观看 | 亚洲成国产人片在线观看| 日本熟妇午夜| 欧美黑人欧美精品刺激| 国产成人欧美在线观看| 亚洲成人免费电影在线观看| 国产精品av久久久久免费| 老司机午夜福利在线观看视频| 亚洲午夜精品一区,二区,三区| 国产精品久久久久久精品电影 | 91成人精品电影| 欧美成人性av电影在线观看| 国产片内射在线| 亚洲电影在线观看av| 天堂动漫精品| 一进一出抽搐动态| 国产精品一区二区精品视频观看| 国产又色又爽无遮挡免费看| 啪啪无遮挡十八禁网站| 高潮久久久久久久久久久不卡| 97碰自拍视频| 午夜福利在线观看吧| 精品国内亚洲2022精品成人| 丁香欧美五月| 国产av又大| 午夜日韩欧美国产| 久久99热这里只有精品18| 国产av又大| 女人爽到高潮嗷嗷叫在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 免费在线观看成人毛片| 亚洲熟女毛片儿| 国产午夜精品久久久久久| 日本撒尿小便嘘嘘汇集6| 757午夜福利合集在线观看| 久热这里只有精品99| 1024手机看黄色片| 又黄又爽又免费观看的视频| 国产精品日韩av在线免费观看| 老司机午夜福利在线观看视频| 国产视频一区二区在线看| 国产精品九九99| 亚洲一区高清亚洲精品| 亚洲精品国产区一区二| 91av网站免费观看| 夜夜躁狠狠躁天天躁| 午夜免费成人在线视频| 高清毛片免费观看视频网站| 久久精品国产综合久久久| 国内揄拍国产精品人妻在线 | 国产精品99久久99久久久不卡| 岛国视频午夜一区免费看| 国产成人一区二区三区免费视频网站| 国产精品99久久99久久久不卡| 久久久水蜜桃国产精品网| 欧美黄色淫秽网站| 亚洲 欧美 日韩 在线 免费| 欧美日韩乱码在线| 人人澡人人妻人| 久久久国产欧美日韩av| 成人手机av| 香蕉久久夜色| 老汉色av国产亚洲站长工具| www.精华液| 午夜视频精品福利| 亚洲五月天丁香| 可以在线观看毛片的网站| 巨乳人妻的诱惑在线观看| 欧美乱妇无乱码| 看黄色毛片网站| 草草在线视频免费看| 最近在线观看免费完整版| 欧美绝顶高潮抽搐喷水| 日韩三级视频一区二区三区| 欧美国产日韩亚洲一区| 999久久久国产精品视频| 69av精品久久久久久| 啦啦啦韩国在线观看视频| 亚洲欧美日韩无卡精品| 欧美色视频一区免费| 一本综合久久免费| av有码第一页| 两个人看的免费小视频| 日本 av在线| 女警被强在线播放| 亚洲欧美精品综合一区二区三区| 日本免费a在线| 黄片播放在线免费| 久久99热这里只有精品18| 午夜老司机福利片| 亚洲精品在线美女| 亚洲国产欧美一区二区综合| 一本大道久久a久久精品| 岛国视频午夜一区免费看| 欧美色欧美亚洲另类二区| 又紧又爽又黄一区二区| 国产伦人伦偷精品视频| 亚洲欧美日韩高清在线视频| 国产精品香港三级国产av潘金莲| 国产成人一区二区三区免费视频网站| 一区二区三区激情视频| 叶爱在线成人免费视频播放| 日日爽夜夜爽网站| 岛国视频午夜一区免费看| 久久草成人影院| 国产成人欧美| 18美女黄网站色大片免费观看| 亚洲av片天天在线观看| 国产主播在线观看一区二区| 亚洲一码二码三码区别大吗| 久久香蕉激情| 亚洲三区欧美一区| 老汉色av国产亚洲站长工具| 国内精品久久久久久久电影| 国内精品久久久久精免费| 精品一区二区三区视频在线观看免费| 亚洲成国产人片在线观看| 国内精品久久久久精免费| 色哟哟哟哟哟哟| 国产精品九九99| 免费在线观看黄色视频的| 男男h啪啪无遮挡| 久久久国产欧美日韩av| 香蕉丝袜av| 国产片内射在线| 免费在线观看影片大全网站| 亚洲精品粉嫩美女一区| 中文字幕另类日韩欧美亚洲嫩草| 午夜福利视频1000在线观看| 九色国产91popny在线| 亚洲国产欧美网| 麻豆久久精品国产亚洲av| 国产真人三级小视频在线观看| 视频区欧美日本亚洲| 欧美日韩福利视频一区二区| 亚洲人成网站高清观看| 亚洲精品一卡2卡三卡4卡5卡| 色综合亚洲欧美另类图片| 91av网站免费观看| 一本精品99久久精品77| 国产在线观看jvid| 最新在线观看一区二区三区| 日韩免费av在线播放| 久久精品91无色码中文字幕| www日本在线高清视频| 91成年电影在线观看| 最近最新中文字幕大全电影3 | 中亚洲国语对白在线视频| 91在线观看av| 国产精品日韩av在线免费观看| 观看免费一级毛片| 他把我摸到了高潮在线观看| 欧美国产日韩亚洲一区| 久久精品夜夜夜夜夜久久蜜豆 | 欧美另类亚洲清纯唯美| 亚洲国产精品sss在线观看| 亚洲成人久久爱视频| 久久精品91蜜桃| 免费人成视频x8x8入口观看| 超碰成人久久| 国产一区二区三区在线臀色熟女| 波多野结衣巨乳人妻| 深夜精品福利| 久久热在线av| 国产一卡二卡三卡精品| 欧美另类亚洲清纯唯美| 久久狼人影院| 欧美成人免费av一区二区三区| 97碰自拍视频| 久久久精品国产亚洲av高清涩受| 好男人电影高清在线观看| 两性夫妻黄色片| 又紧又爽又黄一区二区| 免费看十八禁软件| 久久国产精品影院| 国产精品久久视频播放| 亚洲专区国产一区二区| 视频在线观看一区二区三区| 国产黄片美女视频| 成在线人永久免费视频| 97超级碰碰碰精品色视频在线观看| 亚洲av片天天在线观看| 999久久久国产精品视频| 中文字幕人妻丝袜一区二区| 国产精品久久久久久人妻精品电影| 老司机午夜十八禁免费视频| 亚洲中文日韩欧美视频| 亚洲 欧美 日韩 在线 免费| 国产精品一区二区三区四区久久 | av免费在线观看网站| 亚洲欧美一区二区三区黑人| 国产精品亚洲美女久久久| 欧美性猛交黑人性爽| 精品国产乱子伦一区二区三区| 亚洲成人国产一区在线观看| 成人18禁高潮啪啪吃奶动态图| 午夜a级毛片| 亚洲欧美精品综合久久99| 国产亚洲精品第一综合不卡| 最新在线观看一区二区三区| 亚洲欧美日韩无卡精品| 欧美一级毛片孕妇| 99re在线观看精品视频| 午夜久久久在线观看| 久久国产乱子伦精品免费另类| 亚洲人成伊人成综合网2020| 国产精品影院久久| 午夜激情福利司机影院| 天天躁夜夜躁狠狠躁躁| 午夜精品久久久久久毛片777| 亚洲人成网站在线播放欧美日韩| 18禁裸乳无遮挡免费网站照片 | 久久久精品欧美日韩精品| 久久国产亚洲av麻豆专区| 国产av不卡久久| 午夜免费鲁丝| 哪里可以看免费的av片| 黄色毛片三级朝国网站| videosex国产| 9191精品国产免费久久| av在线天堂中文字幕| 色综合婷婷激情| 成人亚洲精品一区在线观看| 亚洲国产欧美网| 午夜福利免费观看在线| 美国免费a级毛片| 听说在线观看完整版免费高清| 久久 成人 亚洲| 黄色视频不卡| 午夜日韩欧美国产| 欧美激情高清一区二区三区| 在线十欧美十亚洲十日本专区| 少妇裸体淫交视频免费看高清 | 精品少妇一区二区三区视频日本电影| 俺也久久电影网| 又紧又爽又黄一区二区| 91国产中文字幕| 亚洲 欧美 日韩 在线 免费| 麻豆成人午夜福利视频| 此物有八面人人有两片| 久久久久久亚洲精品国产蜜桃av| www日本黄色视频网| 国产v大片淫在线免费观看| 亚洲国产精品sss在线观看| 狂野欧美激情性xxxx| 色在线成人网| 欧美另类亚洲清纯唯美| 一进一出好大好爽视频| 黄色a级毛片大全视频| 日韩欧美一区视频在线观看| 国产精品 欧美亚洲| 国产av一区二区精品久久| 日韩欧美在线二视频| 久热这里只有精品99| 久久久久精品国产欧美久久久| 国内揄拍国产精品人妻在线 | 丁香欧美五月| 午夜成年电影在线免费观看| 亚洲成人国产一区在线观看| 啦啦啦韩国在线观看视频| 19禁男女啪啪无遮挡网站| 99精品在免费线老司机午夜| a级毛片a级免费在线| 久久精品国产综合久久久| 欧美日韩亚洲综合一区二区三区_| av电影中文网址| 香蕉丝袜av| 欧美性长视频在线观看| 成人亚洲精品一区在线观看| 国产片内射在线| 亚洲三区欧美一区| 国产精品av久久久久免费| 一本精品99久久精品77| 好男人电影高清在线观看| 母亲3免费完整高清在线观看| 亚洲午夜理论影院| 岛国视频午夜一区免费看| 日本三级黄在线观看| 欧美av亚洲av综合av国产av| 女警被强在线播放| 国产午夜福利久久久久久| 18美女黄网站色大片免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 97人妻精品一区二区三区麻豆 | 国产久久久一区二区三区| 久久国产精品男人的天堂亚洲| 久久久久久亚洲精品国产蜜桃av| 国内少妇人妻偷人精品xxx网站 | 中文资源天堂在线| 每晚都被弄得嗷嗷叫到高潮| 婷婷六月久久综合丁香| 久99久视频精品免费| 亚洲国产精品合色在线| 国产亚洲精品久久久久5区| 久久热在线av| 女人高潮潮喷娇喘18禁视频| 一本一本综合久久| 午夜激情av网站| 欧美成人性av电影在线观看| 亚洲中文日韩欧美视频| 久久香蕉国产精品| 两个人看的免费小视频| 国产不卡一卡二| 国产麻豆成人av免费视频| 91在线观看av| 色综合亚洲欧美另类图片| bbb黄色大片| 精品少妇一区二区三区视频日本电影| 色综合站精品国产| 成人18禁在线播放| 日韩欧美国产一区二区入口| 91九色精品人成在线观看| 久久久国产欧美日韩av| 国产精品美女特级片免费视频播放器 | 久久久国产精品麻豆| 亚洲一区二区三区不卡视频| 免费人成视频x8x8入口观看| 亚洲中文字幕一区二区三区有码在线看 | 久久精品影院6| 精品高清国产在线一区| 亚洲av熟女| 麻豆成人av在线观看| 亚洲成av人片免费观看| 国产精品影院久久| 美女扒开内裤让男人捅视频| 在线免费观看的www视频| 国产精品野战在线观看| а√天堂www在线а√下载| 国产精品1区2区在线观看.| 亚洲成av人片免费观看| 免费看a级黄色片| 熟女少妇亚洲综合色aaa.| 亚洲第一青青草原| 久久久久久久久中文| 最近最新中文字幕大全免费视频| 久久香蕉精品热| 一进一出抽搐动态| 国产不卡一卡二| 久久热在线av| 听说在线观看完整版免费高清| 手机成人av网站| 久久性视频一级片| 精品人妻1区二区| 亚洲国产中文字幕在线视频| 长腿黑丝高跟| 又黄又粗又硬又大视频| 高清毛片免费观看视频网站| 国产精品久久久久久亚洲av鲁大| 国产激情久久老熟女| 日韩欧美三级三区| 欧美乱码精品一区二区三区| 亚洲精华国产精华精| 午夜视频精品福利| 国产v大片淫在线免费观看| 免费电影在线观看免费观看| 人人妻人人看人人澡| 亚洲七黄色美女视频| 午夜两性在线视频| 亚洲人成伊人成综合网2020| 久热这里只有精品99| 成人一区二区视频在线观看| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲| 两个人视频免费观看高清| 精品国产亚洲在线| 最新在线观看一区二区三区| 国产蜜桃级精品一区二区三区| 中文字幕av电影在线播放| 免费看美女性在线毛片视频| 中文亚洲av片在线观看爽| 99在线视频只有这里精品首页| 精品久久久久久,| 国产又黄又爽又无遮挡在线| 久久久久久大精品| 波多野结衣巨乳人妻| 老汉色av国产亚洲站长工具| 成人18禁高潮啪啪吃奶动态图| 国产私拍福利视频在线观看| 亚洲av日韩精品久久久久久密| 一区二区三区精品91| 老熟妇仑乱视频hdxx| 日韩高清综合在线| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品中文字幕一二三四区| 成人国产综合亚洲| 一个人观看的视频www高清免费观看 | 色综合婷婷激情| 久久久久久大精品| av电影中文网址| 99久久无色码亚洲精品果冻| 一级毛片精品| 亚洲av美国av| 中文字幕最新亚洲高清| 欧美午夜高清在线| 国产av一区在线观看免费| 日韩 欧美 亚洲 中文字幕| 久久久久久亚洲精品国产蜜桃av| 亚洲国产毛片av蜜桃av| 美女扒开内裤让男人捅视频| 男女下面进入的视频免费午夜 | 欧美不卡视频在线免费观看 | 成人免费观看视频高清| 一本综合久久免费| 91成年电影在线观看| 91在线观看av| 亚洲欧美一区二区三区黑人| 国产成+人综合+亚洲专区| 哪里可以看免费的av片| 精品高清国产在线一区| 国产精品爽爽va在线观看网站 | 亚洲电影在线观看av| 欧美日韩福利视频一区二区| 一区二区三区高清视频在线| 国产av又大| 日本免费一区二区三区高清不卡| 99精品久久久久人妻精品| 91字幕亚洲| 香蕉国产在线看| av天堂在线播放| 日韩有码中文字幕| 久久久久久九九精品二区国产 | 97超级碰碰碰精品色视频在线观看| 一a级毛片在线观看| 人人妻人人澡人人看| 免费看a级黄色片| 欧美黄色淫秽网站| 丁香欧美五月| 日本在线视频免费播放| 99精品欧美一区二区三区四区| 国产真实乱freesex| 日韩中文字幕欧美一区二区| 亚洲性夜色夜夜综合| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av熟女| 欧美性长视频在线观看| 亚洲五月天丁香| 黑人巨大精品欧美一区二区mp4| 母亲3免费完整高清在线观看| 国产精品99久久99久久久不卡| 在线观看免费日韩欧美大片| 黑人操中国人逼视频| 国产精品av久久久久免费| 熟妇人妻久久中文字幕3abv| 亚洲av日韩精品久久久久久密| 熟妇人妻久久中文字幕3abv| 满18在线观看网站| 亚洲最大成人中文| 老鸭窝网址在线观看| 老司机在亚洲福利影院| 丝袜人妻中文字幕| 国产一区二区三区视频了| 麻豆成人午夜福利视频| ponron亚洲| 亚洲成a人片在线一区二区| 午夜福利18| 免费看日本二区| 午夜免费成人在线视频| 欧美中文综合在线视频| 欧美在线黄色| 最新美女视频免费是黄的| 亚洲男人天堂网一区| 日韩大尺度精品在线看网址| 欧美午夜高清在线| 日韩大尺度精品在线看网址| 久久中文看片网| 日日爽夜夜爽网站| 国产精品精品国产色婷婷| 国产精品亚洲美女久久久| 亚洲无线在线观看| 国产99久久九九免费精品| 久久久久久久午夜电影| 成人精品一区二区免费| a级毛片a级免费在线| 老司机深夜福利视频在线观看| 男女视频在线观看网站免费 | 夜夜看夜夜爽夜夜摸| tocl精华| 97碰自拍视频| 国产精品亚洲av一区麻豆| 亚洲精品色激情综合| 精品福利观看| 久久这里只有精品19| 亚洲国产欧洲综合997久久, | 久久香蕉激情|