• <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 ?

    面向?qū)ο蠛蚐VM結(jié)合的無人機(jī)數(shù)據(jù)建筑物提取

    2017-04-17 01:18:26王旭東段福洲屈新原李丹余攀鋒
    自然資源遙感 2017年1期
    關(guān)鍵詞:測量點(diǎn)建筑物精度

    王旭東, 段福洲, 屈新原, 李丹, 余攀鋒

    (1.首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048; 2.三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室,北京 100048; 3.武漢天地星圖科技有限公司,武漢 430014)

    面向?qū)ο蠛蚐VM結(jié)合的無人機(jī)數(shù)據(jù)建筑物提取

    王旭東1,2, 段福洲1,2, 屈新原1,2, 李丹1,2, 余攀鋒3

    (1.首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048; 2.三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室,北京 100048; 3.武漢天地星圖科技有限公司,武漢 430014)

    建筑物提取時(shí)結(jié)合歸一化數(shù)字表面模型(nDSM)的高度信息可以提高其提取精度。通常高度信息由LiDAR數(shù)據(jù)生成高精度3D點(diǎn)云獲得。但由于獲取成本較高,尋找替代LiDAR點(diǎn)云生成高度信息的數(shù)據(jù)至關(guān)重要,為此該文探討攝影測量點(diǎn)云生成nDSM用于建筑物提取的可適用性。采用無人機(jī)影像作為單一數(shù)據(jù)源,選取漢旺鎮(zhèn)和林扒鎮(zhèn)2個(gè)研究區(qū)進(jìn)行實(shí)驗(yàn),利用面向?qū)ο蠹夹g(shù)與支持向量機(jī)(SVM)相結(jié)合的方法進(jìn)行建筑物提取。首先,采用Pix4D Mapper生成攝影測量點(diǎn)云,通過基于不規(guī)則三角網(wǎng)加密濾波方法和反距離加權(quán)法插值生成nDSM影像; 其次,對無人機(jī)RGB影像進(jìn)行分割,選取9種屬性特征( 2種高度屬性和7種光譜屬性)作為建筑物的識(shí)別屬性; 最后,利用SVM分類器進(jìn)行建筑物提取,采用形態(tài)學(xué)濾波方法進(jìn)行后處理。研究結(jié)果表明,漢旺研究區(qū)提取的完整率為85.5%,正確率為83.9%; 林扒研究區(qū)提取的完整率為92.5%,正確率為78.6%。攝影測量點(diǎn)云生成的nDSM在建筑物提取應(yīng)用中適用性較好,可以有效提高建筑物的提取精度,并且大大降低了成本。

    無人機(jī)影像; Pix4D Mapper; 攝影測量點(diǎn)云; nDSM; 面向?qū)ο螅?支持向量機(jī)(SVM); 建筑物提取

    0 引言

    隨著現(xiàn)代化建設(shè)的高速發(fā)展,建筑物信息在城市規(guī)劃與災(zāi)害應(yīng)急領(lǐng)域具有重要的意義,例如地理信息系統(tǒng)的數(shù)據(jù)庫更新、專題圖制作、城市監(jiān)測、3D城市建模、災(zāi)害損失評估與管理以及土地利用變化評估等[1-3]。利用遙感技術(shù)快速、精確地提取建筑物信息具有較強(qiáng)的現(xiàn)實(shí)意義。

    傳統(tǒng)建筑物提取方法主要是利用航空影像進(jìn)行目視解譯,耗費(fèi)大量人力、物力,提取效率較低。近年來,隨著影像空間分辨率的提高,高空間分辨率影像相比于中低空間分辨率影像具有更為豐富的專題信息; LiDAR(light detection and ranging)技術(shù)也逐漸成熟,其可以生成提取建筑物需要的關(guān)鍵高度信息[4]。國內(nèi)外學(xué)者利用高空間分辨率遙感影像和LiDAR數(shù)據(jù)進(jìn)行建筑物提取,已取得了豐碩的研究成果[5-10]。Gerke等[11]和Ke等[12]的研究證實(shí),在基于高空間分辨率遙感數(shù)據(jù)的地物提取中,影像光譜信息和高度信息的結(jié)合使用所獲取的建筑物提取精度要高于單獨(dú)使用光譜信息或者高度信息,而這些研究中的高度信息通常是由LiDAR點(diǎn)云數(shù)據(jù)經(jīng)過處理生成的。

    無人機(jī)遙感平臺(tái)作為新的遙感平臺(tái),具有高時(shí)效、便捷等特性,獲取的影像具有高空間分辨率、高重疊度的特征,已成功應(yīng)用于災(zāi)害應(yīng)急和地物信息提取[13-15],在高效率建筑物提取方面具備很大的潛力。隨著多視立體密集匹配算法的發(fā)展,多航帶、高重疊度的無人機(jī)影像能夠生成更密集和更完整的3D攝影測量點(diǎn)云。然而,利用無人機(jī)影像生成的攝影測量點(diǎn)云,進(jìn)而派生出的高度信息在建筑物提取上的適用性,以及能否提高建筑物提取的精度,還有待驗(yàn)證。

    高空間分辨率影像光譜特征明顯,但同物異譜和異物同譜的現(xiàn)象普遍存在?;谙袼氐姆椒▽Ω呖臻g分辨率影像進(jìn)行地物提取會(huì)產(chǎn)生椒鹽效應(yīng),并且只能利用影像的光譜信息及其派生的紋理信息; 而面向?qū)ο蟮姆椒軌驅(qū)⒂跋穹指畛梢幌盗型|(zhì)區(qū)域,把這些同質(zhì)區(qū)域作為一個(gè)對象處理,除影像光譜信息、紋理信息外,還可以利用形狀信息和幾何信息等,已被廣泛應(yīng)用于地物提取[16-17]。已有研究證明,對于高空間分辨率影像,采用面向?qū)ο蠓椒ǖ奶崛【雀哂诨谙袼氐姆椒╗18]。因此,針對高空間分辨率的無人機(jī)影像,采用面向?qū)ο蟮姆椒ㄟM(jìn)行建筑物提取,并在分類特征中加入高度信息,以探討攝影測量點(diǎn)云派生的高度信息在建筑物提取上的適用性,并檢驗(yàn)其能否提高建筑物的提取精度。

    選取四川省綿竹市漢旺鎮(zhèn)和河南省鄧州市林扒鎮(zhèn)2個(gè)地區(qū)作為研究區(qū),以高空間分辨率無人機(jī)航空影像作為單一數(shù)據(jù)源。利用無人機(jī)影像的多航帶、高重疊度特點(diǎn),從不同攝影角度對同一地物拍攝多幅影像,基于計(jì)算機(jī)視覺的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(structure from motion, SfM)算法和多視立體(multi-view stereo, MVS)密集匹配算法,對影像進(jìn)行3D重建,生成3D攝影測量點(diǎn)云[19],結(jié)合GPS數(shù)據(jù),生成歸一化數(shù)字表面模型(normalized digital surface model,nDSM)高度信息,采用面向?qū)ο蠹夹g(shù)和支持向量機(jī)(support vector machine,SVM)分類器相結(jié)合的方法進(jìn)行建筑物提取,探討攝影測量點(diǎn)云生成的高度信息用于建筑物提取的適用性。

    1 研究區(qū)概況及數(shù)據(jù)源

    1.1 研究區(qū)概況

    漢旺鎮(zhèn)位于四川盆地西北部(N31°24′7.909″~31°24′22.872″,E104°10′49.747″~104°11′7.499″),面積約53 590 m2,屬亞熱帶季風(fēng)性濕潤氣候區(qū)。該區(qū)內(nèi)有大量安置住房,建筑物密度較小。林扒鎮(zhèn)位于河南省南陽盆地西南邊緣(N32°33′50.172″~32°34′12.458″,E111°54′8.217″~111°54′42.426″),面積約48 959 m2,屬大陸性季風(fēng)性半濕潤氣候區(qū)。該區(qū)內(nèi)建筑物密度較大,且西南部林木密度也較大,部分建筑物被樹木覆蓋或被樹木陰影遮擋,且建筑物灰度值低。2個(gè)研究區(qū)如圖 1所示。

    (a) 漢旺研究區(qū) (b) 林扒研究區(qū)

    圖1 研究區(qū)概況及參考圖

    Fig.1 Location map of study areas with reference polygons

    1.2 數(shù)據(jù)源

    數(shù)據(jù)源為漢旺鎮(zhèn)與林扒鎮(zhèn)無人機(jī)拍攝遙感影像,獲取時(shí)間分別為2009年5月和2010年9月。采用的拍攝系統(tǒng)為Sky-01C中型無人機(jī)平臺(tái),載荷為佳能5D Mark Ⅱ全面幅單反相機(jī),35 mm光圈鏡頭,有效像素為2 110萬。用于驗(yàn)證的建筑物多邊形是對正射影像目視解譯結(jié)果進(jìn)行數(shù)字化獲得。漢旺和林扒研究區(qū)建筑物對象總數(shù)分別為74個(gè)和76個(gè)。

    2 研究方法

    研究方法共分為4個(gè)步驟如圖2所示。

    圖2 技術(shù)流程圖

    Fig.2 Technology flowchart of building extraction procedure

    2.1 無人機(jī)影像預(yù)處理

    采用SfM算法和MVS密集匹配方法對無人機(jī)影像進(jìn)行處理,生成攝影測量點(diǎn)云,然后基于不規(guī)則三角網(wǎng)加密的濾波方法進(jìn)行點(diǎn)云濾波,進(jìn)而插值計(jì)算生成數(shù)字表面模型(digital surface model, DSM)、數(shù)字高程模型(digital elevation model, DEM)和歸一化數(shù)字表面模型nDSM。其中,DSM是包含地物(房屋、樹木等)高程的柵格模型,DEM是剔除地物(房屋、樹木等)高程,僅包含地面高程的柵格模型。

    首先使用Pix4D Mapper數(shù)字?jǐn)z影測量軟件進(jìn)行空中三角加密,生成攝影測量點(diǎn)云及正射影像。使用TerraScan內(nèi)置的基于不規(guī)則三角網(wǎng)加密濾波方法進(jìn)行點(diǎn)云濾波[20-22],得到地面點(diǎn)云。利用生成的原始攝影測量點(diǎn)云以及經(jīng)過濾波之后生成的地面點(diǎn)云,通過ArcGIS反距離加權(quán)法(inverse distance weighted, IDW)插值運(yùn)算,分別生成與正射影像具有相同空間分辨率的DSM和DEM。通過DSM與DEM進(jìn)行相減計(jì)算得到nDSM高度信息(圖 3)。

    (a) 漢旺研究區(qū)(b) 林扒研究區(qū)

    圖3 研究區(qū)nDSM影像

    Fig.3 nDSM images of study areas

    2.2 建筑物提取

    面向?qū)ο蠓椒ㄌ崛〗ㄖ锇?個(gè)步驟: ①通過圖像分割算法創(chuàng)建圖像對象; ②基于圖像對象的分類特征選??; ③基于分類特征進(jìn)行分類。

    2.2.1 圖像分割

    采用eCognition 8.9軟件中的多尺度分割方法來實(shí)現(xiàn)影像分割。多尺度分割方法是一種自下而上的分割技術(shù)。 首先從一個(gè)像素對象開始,隨后基于異質(zhì)性的最小增長率合并對象周圍的像素,經(jīng)過多次迭代運(yùn)算,最終生成較大的對象[12, 23]。

    分割參數(shù)主要考慮以下4個(gè)方面[12, 24]: ①波段權(quán)重; ②顏色(或形狀)權(quán)重 ; ③緊致度(或平滑度)權(quán)重; ④尺度。其中,波段權(quán)重根據(jù)波段的重要性來確定; 顏色權(quán)重關(guān)系到分割時(shí)影像光譜值在整個(gè)均質(zhì)度中相對于形狀所占比重; 緊致度權(quán)重決定了分割對象的形狀特征; 尺度參數(shù)關(guān)系分割對象的大小,最終影響分類結(jié)果。

    利用無人機(jī)RGB影像進(jìn)行分割,經(jīng)過反復(fù)試驗(yàn),分割參數(shù)設(shè)置如表 1所示。

    表1 分割參數(shù)設(shè)置

    2.2.2 分類特征選取

    面向?qū)ο蠓椒ㄖ?,分割對象包含多種特征,例如幾何特征、光譜特征等。無人機(jī)影像的波段少,光譜信息不豐富,而攝影測量點(diǎn)云可以生成高度信息,可以利用高度信息區(qū)分有高度的建筑物與其他地物類別。而植被同樣為具有高度特征的地物類別,但其光譜特征明顯,可通過光譜亮度、對比度及植被指數(shù)等進(jìn)行區(qū)分。

    2.2.2.1幾何特征

    1)nDSM高度信息(Height)作為幾何特征用來區(qū)分有高度特征的地物。由于建筑物形狀不規(guī)則,使用多尺度分割方法進(jìn)行影像分割,分割后的建筑物多邊形不規(guī)則,故長度、寬度和周長等幾何特征在建筑物提取上都不如高度特征明顯。

    2)高度標(biāo)準(zhǔn)差(height standard deviation,HSTD)同樣用來區(qū)分高度對象,由于建筑物的高度較一致,標(biāo)準(zhǔn)差較小; 而植被由于有樹干和枝葉,高度可能不一致,標(biāo)準(zhǔn)差相對較大[25]。

    2.2.2.2光譜特征

    光譜特征除了選取影像的紅光、綠光和藍(lán)光3個(gè)波段DN值外,還選取了綠度、亮度、紅綠植被指數(shù)以及綠光波段對比度4種特征。

    1)綠度(green radio,GR)由于植被的綠光波段DN值通常比紅光和藍(lán)光波段要高,可以采用綠度檢測植被。綠度定義為

    (1)

    式中Green,Red和Blue分別為影像綠光、紅光和藍(lán)光波段DN值。

    2)亮度(brightness,BRT)取紅光、綠光和藍(lán)光3個(gè)波段的亮度平均值,由于樹木反射率低,亮度通常比其他地物更低。

    3)紅綠植被指數(shù)(green red vegetation index,GRVI)和歸一化植被指數(shù)(normalized different vegetation index,NDVI)利用近紅外波段和紅光波段類似,GRVI采用綠光波段代替近紅外波段。GRVI值域?yàn)?-1,1),其中綠色植被的GRVI值大于0。計(jì)算公式為

    (2)

    4)綠光波段對比度(band green contrast,BGC)來源于灰度共生矩陣,表示綠光波段光譜的異質(zhì)性,用來度量局部方差值。由于樹木具有葉子和枝干,在灰度共生矩陣中,樹木通常比建筑物具有更大的對比度[26]。

    2.2.3 SVM分類

    采用SVM算法進(jìn)行分類,SVM為監(jiān)督型機(jī)器學(xué)習(xí)算法,最早由Cortes和Vapnik提出,在小樣本、非線性情況下,具有較好的泛化性能[27-29]。SVM的核心思想就是把學(xué)習(xí)樣本非線性映射到高維特征空間,在高維特征空間構(gòu)造線性判別函數(shù),將原樣本空間中非線性可分的問題轉(zhuǎn)化為在高維特征空間線性可分的問題[30]。本文選取LibSVM軟件包進(jìn)行SVM分類,基于徑向基核函數(shù)(radial basis function, RBF),采用網(wǎng)格劃分法尋找最優(yōu)參數(shù)(懲罰系數(shù)c與核函數(shù)半徑g),進(jìn)而建立模型。

    SVM還需要選取訓(xùn)練樣本進(jìn)行學(xué)習(xí)。首先對各類地物進(jìn)行目視解譯,按照均勻采樣的原則勾畫地物多邊形; 其次,對多邊形和多尺度分割的分割結(jié)果進(jìn)行相交,相交后的多邊形對象作為樣本集,按照分層采樣的思想從每類樣本中隨機(jī)選出2/3的樣本作為訓(xùn)練樣本,通過目視解譯在漢旺和林扒研究區(qū)分別選取的每類地物個(gè)數(shù)見表2。

    表2 各類地物的樣本個(gè)數(shù)

    2.3 建筑物提取后處理

    SVM分類的建筑物提取結(jié)果通常會(huì)出現(xiàn)類別錯(cuò)分現(xiàn)象,或者多尺度分割時(shí)產(chǎn)生的碎屑多邊形在分類過程中沒有被消除掉,因此需要進(jìn)行后處理。處理時(shí)首先根據(jù)研究區(qū)建筑物高度實(shí)地考察結(jié)果設(shè)定高度閾值。漢旺研究區(qū)由于有安置住房,建筑物高度較低,閾值設(shè)定為1.5 m,林扒研究區(qū)屬于城鎮(zhèn)區(qū)域,閾值設(shè)定為3 m。SVM分類中出現(xiàn)的小于閾值高度的錯(cuò)分類別,通過二值化予以剔除。剔除錯(cuò)分之后利用形態(tài)學(xué)濾波去除建筑物圖像中的碎屑多邊形。

    2.4 精度評價(jià)方法

    雖然建立混淆矩陣和計(jì)算Kappa系數(shù)常被作為地物分類的精度評價(jià)方法,而對于建筑物提取通常只需區(qū)分目標(biāo)提取類別,因此可根據(jù)提取的面積,采用建筑物提取的完整率(生產(chǎn)者精度)和正確率(用戶精度)進(jìn)行評價(jià)[31]。完整率是指正確提取的建筑物面積占參考數(shù)據(jù)中建筑物總面積的比例,從另一側(cè)面則反映了有多少面積的建筑物區(qū)域沒能被提取出來; 正確率是指正確提取的建筑物面積占提取結(jié)果中建筑物總面積的比例,也可反映有多少面積不是建筑物卻誤認(rèn)為是建筑物而被提取出來[3]。

    3 結(jié)果與分析

    從攝影測量點(diǎn)云的生成精度、點(diǎn)云生成的高度信息在分類特征中的權(quán)重分析、高度信息對提高建筑物提取精度的定量評估3個(gè)方面探討攝影測量點(diǎn)云用于建筑物提取的有效性。

    3.1 點(diǎn)云生成精度

    攝影測量點(diǎn)云是通過Pix4D Mapper生成,其自動(dòng)生成空三精度報(bào)告,用于快速評估點(diǎn)云質(zhì)量。其中漢旺和林扒研究區(qū)光束法平差的中誤差值分別為0.28 像元和0.14 像元。證明Pix4D Mapper生成的點(diǎn)云質(zhì)量可以滿足精度要求。

    3.2 高度信息的權(quán)重分析

    除了需要說明點(diǎn)云的生成質(zhì)量外,還需要考慮高度信息在所選特征屬性中占的權(quán)重大小。選用內(nèi)置在LibSVM軟件包的F-score工具進(jìn)行權(quán)重分析,權(quán)重值越高表明該特征在分類過程中的作用越大[32](圖 4)。其中,漢旺和林扒研究區(qū)高度特征的屬性權(quán)重排名分別為第二和第三位。漢旺研究區(qū)權(quán)重值最高的為綠度,是用于識(shí)別植被,排在第二位的為高度特征,是提取建筑物的重要特征: 林扒研究區(qū)權(quán)重值排在前兩位的為綠度和紅綠植被指數(shù),這2種特征都主要用于識(shí)別植被,第三位為高度特征,表明高度特征對提取建筑物作用最大。通過權(quán)重分析得出,攝影測量點(diǎn)云生成的高度信息對建筑物提取是適用的。

    (a) 漢旺研究區(qū) (b) 林扒研究區(qū)

    圖4 研究區(qū)特征權(quán)重值

    Fig.4 Feature importance for two study areas

    3.3 提取精度評價(jià)

    驗(yàn)證攝影測量點(diǎn)云對建筑物提取的適用性,最重要的是定量分析攝影測量點(diǎn)云生成的高度信息能否顯著提高建筑物的提取精度。提取結(jié)果見圖 5。

    (a) 漢旺研究區(qū) (b) 林扒研究區(qū)

    圖5 研究區(qū)提取結(jié)果

    Fig.5 Building extraction results in two sites

    根據(jù)2.4節(jié)中所述精度評價(jià)方法,分別對高度信息參與和未參與特征選取及后處理的建筑物提取結(jié)果進(jìn)行定量評價(jià)(表3)。通過對比發(fā)現(xiàn): ①在漢旺研究區(qū),高度信息的參與使完整率提高了7.6%,正確率提高了41.8%; ②在林扒研究區(qū),由于高度信息的參與使完整率提高了3.8%,正確率提高了15.5%。結(jié)果表明攝影測量點(diǎn)云生成的高度信息可以顯著提高建筑物提取精度。

    表3 建筑物提取精度評價(jià)

    4 結(jié)論

    本文基于無人機(jī)影像作為單一數(shù)據(jù)源,采用面向?qū)ο蠓椒?,結(jié)合SVM分類器,進(jìn)行建筑物提取,研究表明:

    1) 采用無人機(jī)影像作為單一數(shù)據(jù)源,并且應(yīng)用Pix4D Mapper軟件生成攝影測量點(diǎn)云,獲得地物高度信息,可取得較好的提取效果,這表明攝影測量點(diǎn)云生成的高度信息可有效提高建筑物提取精度。單一數(shù)據(jù)源可以最大程度地降低數(shù)據(jù)獲取成本,并保持?jǐn)?shù)據(jù)的一致性。

    2) 研究區(qū)中的建筑物復(fù)雜多樣,房屋密集,采用面向?qū)ο蠓椒ǎY(jié)合SVM分類器,對2個(gè)不同特點(diǎn)的研究區(qū)進(jìn)行建筑物提取,都可以取得較高的提取精度,表明該方法具有較好的可移植性和魯棒性。

    3) nDSM的生成精度取決于匹配和濾波算法,因此本文研究受限于匹配精度和濾波效果。后續(xù)研究可以加強(qiáng)匹配和濾波算法的改進(jìn),進(jìn)一步提高建筑物的提取精度。

    [1] Ahmadi S,Zoej M J V,Ebadi H,et al.Automatic urban building boundary extraction from high resolution aerial images using an innovative model of active contours[J].International Journal of Applied Earth Observation and Geoinformation,2010,12(3):150-157.

    [2] Turker M,Koc-San D.Building extraction from high-resolution optical spaceborne images using the integration of support vector machine(SVM) classification,Hough transformation and perceptual grouping[J].International Journal of Applied Earth Observation and Geoinformation,2015,34:58-69.

    [3] 馮甜甜,龔健雅.基于LiDAR數(shù)據(jù)的建筑物自動(dòng)提取方法的比較[J].測繪通報(bào),2011(2):21-23,47. Feng T T,Gong J Y.Comparison of automatic building extraction methods based on LiDAR data[J].Bulletin of Surveying and Mapping,2011(2):21-23,47.

    [4] Brunn A,Weidner U.Extracting buildings from digital surface models[J].International Archives of Photogrammetry and Remote Sensing,1997,32(3):27-34.

    [5] Awrangjeb M,Ravanbakhsh M,Fraser C S.Automatic detection of residential buildings using LIDAR data and multispectral imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(5):457-467.

    [6] Sohn G,Dowman I.Data fusion of high-resolution satellite imagery and LiDAR data for automatic building extraction[J].ISPRS Journal of Photogrammetry and Remote Sensing,2007,62(1):43-63.

    [7] Rottensteiner F,Trinder J,Clode S,et al.Building detection by fusion of airborne laser scanner data and multi-spectral images:Performance evaluation and sensitivity analysis[J].ISPRS Journal of Photogrammetry and Remote Sensing,2007,62(2):135-149.

    [8] Kabolizade M,Ebadi H,Ahmadi S.An improved snake model for automatic extraction of buildings from urban aerial images and LiDAR data[J].Computers,Environment and Urban Systems,2010,34(5):435-441.

    [9] Wei Y Z,Yao W,Wu J W,et al.Adaboost-based feature relevance assessment in fusing lidar and image data for classification of trees and vehicles in urban scenes[J].ISPRS Annals of Photogrammetry,Remote Sensing and Spatial Information Sciences,2012,I-7(7):323-328.

    [10]Grigillo D,Kanjir U.Urban object extraction from digital surface model and digital aerial images[J].ISPRS Annals of Photogrammetry,Remote Sensing and Spatial Information Sciences,2012,I-3(3):215-220.

    [11]Gerke M,Xiao J.Fusion of airborne laserscanning point clouds and images for supervised and unsupervised scene classification[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,87:78-92.

    [12]Ke Y H,Quackenbush L J,Im J.Synergistic use of QuickBird multispectral imagery and LIDAR data for object-based forest species classification[J].Remote Sensing of Environment,2010,114(6):1141-1154.

    [13]汪小欽,王苗苗,王紹強(qiáng),等.基于可見光波段無人機(jī)遙感的植被信息提取[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(5):152-159. Wang X Q,Wang M M,Wang S Q,et al.Extraction of vegetation information from visible unmanned aerial vehicle images[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(5):152-159.

    [14]何少林,徐京華,張帥毅.面向?qū)ο蟮亩喑叨葻o人機(jī)影像土地利用信息提取[J].國土資源遙感,2013,25(2):107-112.doi:10.6046/gtzyyg.2013.02.19. He S L,Xu J H,Zhang S Y.Land use classification of object-oriented multi-scale by UAV image[J].Remote Sensing for Land and Resources,2013,25(2):107-112.doi:10.6046/gtzyyg.2013.02.19.

    [15]雷添杰,李長春,何孝瑩.無人機(jī)航空遙感系統(tǒng)在災(zāi)害應(yīng)急救援中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào),2011,20(1):178-183. Lei T J,Li C C,He X Y.Application of aerial remote sensing of pilotless aircraft to disaster emergency rescue[J].Journal of Natural Disasters,2011,21(1):178-183.

    [16]劉海飛,常慶瑞,李粉玲.高分辨率影像城區(qū)建筑物提取研究[J].西北農(nóng)林科技大學(xué)學(xué)報(bào):自然科學(xué)版,201,413(10):221-227,234. Liu H F,Chang Q R,Li F L.Urban building extraction from high-resolution multi-spectral image with object-oriented classification[J].Journal of Northwest A&F University:Natural Science Edition,2013,41(10):221-227,234.

    [17]Blaschke T,Hay G J,Kelly M,et al.Geographic object-based image analysis-towards a new paradigm[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,87(100):180-191.

    [18]Khoshelham K,Nardinocchi C,Frontoni E,et al.Performance evaluation of automated approaches to building detection in multi-source aerial data[J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(1):123-133.

    [19]Dandois J P,Ellis E C.High spatial resolution three-dimensional mapping of vegetation spectral dynamics using computer vision[J].Remote Sensing of Environment,2013,136:259-276.

    [20]Sithole G,Vosselman G.Experimental comparison of filter algorithms for bare-earth extraction from airborne laser scanning point clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,59(1/2):85-101.

    [21]黃先鋒,李卉,王瀟,等.機(jī)載LiDAR數(shù)據(jù)濾波方法評述[J].測繪學(xué)報(bào),2009,38(5):466-469. Huang X F,Li H,Wang X,et al.Filter algorithms of airborne LiDAR data:Review and prospects[J].Acta Geodaetica et Cartographica Sinica,2009,38(5):466-469.

    [22]黃金浪.基于TerraScan的LiDAR數(shù)據(jù)處理[J].測繪通報(bào),2007(10):13-16. Huang J L.LiDAR data processing based on TerraScan[J].Bulletin of Surveying and Mapping,2007(10):13-16.

    [23]Baatz M,Sch?pe A.Multiresolution segmentation:An optimization approach for high quality multi-scale image segmentation[J].Angewandte Geographische Informationsverarbeitung XII,2000,58(3/4):12-23.

    [24]Li D,Ke Y H,Gong H L,et al.Object-based urban tree species classification using bi-temporal WorldView-2 and WorldView-3 images[J].Remote Sensing,2015,7(12):16917-16937.

    [25]Dash J,Steinle E,Singh R P,et al.Automatic building extraction from laser scanning data:An input tool for disaster management[J].Advances in Space Research,2004,33(3):317-322.

    [26]Rau J Y,Jhan J P,Hsu Y C.Analysis of oblique aerial images for land cover and point cloud classification in an urban environment[J].IEEE Transactions on Geoscience and Remote Sensing,2015,53(3):1304-1319.

    [27]Van Der Linden S,Janz A,Waske B,et al.Classifying segmented hyperspectral data from a heterogeneous urban environment using support vector machines[J].Journal of Applied Remote Sensing,2007,1(1):013543.

    [28]Waske B,Benediktsson J A,rnason K,et al.Mapping of hyperspectral AVIRIS data using machine-learning algorithms[J].Canadian Journal of Remote Sensing,2009,35(S1):S106-S116.

    [29]Tigges J,Lakes T,Hostert P.Urban vegetation classification:Benefits of multitemporal RapidEye satellite data[J].Remote Sensing of Environment,2013,136:66-75.

    [30]梅建新.基于支持向量機(jī)的高分辨率遙感影像的目標(biāo)檢測研究[D].武漢:武漢大學(xué),2004. Mei J X.Study on Object Detection for High Resolution Remote Sensing Images Based on Support Vector Machines[D].Wuhan:Wuhan University,2004.

    [31]Rutzinger M,Rottensteiner F,Pfeifer N.A comparison of evaluation techniques for building extraction from airborne laser scanning[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2009,2(1):11-20.

    [32]Chen Y W,Lin C J.Combining SVMs with Various Feature Selection Strategies[M] // Guyon I,Nikravesh M,Gunn S,et al,eds.Feature Extraction.Berlin Heidelberg:Springer,2006:315-324.

    (責(zé)任編輯: 陳理)

    Building extraction based on UAV imagery data with the synergistic use of objected-based method and SVM classifier

    WANG Xudong1,2, DUAN Fuzhou1,2, QU Xinyuan1,2, LI Dan1,2, YU Panfeng3

    (1.CollegeofResourcesEnvironmentandTourism,CapitalNormalUniversity,Beijing100048,China; 2.KeyLabof3DInformationAcquisitionandApplicationofMinistryofEducation,Beijing100048,China; 3.WuhanWorldStarChartTechnologyCo.,Ltd,Wuhan430014,China)

    Height information created by LiDAR data is generally used for building extraction. LiDAR data can produce highly accurate, reliable 3D point clouds of ground objects. However, LiDAR data is expensive. In view of such a situation, this study aims to extract buildings solely using UAV imagery data. The height information used is created by point clouds derived from UAV stereo pairs through dense matching algorithm. In this study, UAV imagery was used as a single remote sensing data source and building extraction was carried out by the integration of objected-based method and SVM classification. In the preprocessing period, Pix4D Mapper was used for aerial triangulation and photogrammetric point clouds generation. Then, an objected-based method that utilized spectral information and geometric features was developed, the object height was derived from photogrammetric point clouds to assist in the detection of the building. Finally, the building boundaries were extracted through SVM classifier. In the post-processing procedure, morphological operations were applied to remove small objects from building images. To validate the photogrammetric point cloud usefulness, experiments were conducted on UAV imagery data, covering the selected test areas in Hanwang Town of Sichuan Province and Linpa Town of Henan Province. The building extraction accuracy was accessed on the test areas, and building detection completeness of Hanwang test area is 85.5%, detection correction is 83.9%; building detection completeness of Linpa test area is 92.5%, detection correction is 78.6%. The results show that nDSM derived from photogrammetric point clouds can be used for building extraction, and can improve the detection accuracy of the building.

    UAV imagery data; Pix4D Mapper; photogrammetric point clouds; nDSM; objected-based; SVM; building extraction

    10.6046/gtzyyg.2017.01.15

    王旭東,段福洲,屈新原,等.面向?qū)ο蠛蚐VM結(jié)合的無人機(jī)數(shù)據(jù)建筑物提取[J].國土資源遙感,2017,29(1):97-103.(Wang X D,Duan F Z,Qu X Y,et al.Building extraction based on UAV imagery data with the synergistic use of objected-based method and SVM classifier[J].Remote Sensing for Land and Resources,2017,29(1):97-103.)

    2015-09-18;

    2016-01-06

    王旭東(1990- ),男,碩士,主要從事無人機(jī)影像處理和三維建模研究。Email: wangxudong1304@163.com。

    TP 751.1

    A

    1001-070X(2017)01-0097-07

    猜你喜歡
    測量點(diǎn)建筑物精度
    飛機(jī)部件數(shù)字化調(diào)姿定位測量點(diǎn)的優(yōu)選與構(gòu)造算法
    鄰近既有建筑物全套管回轉(zhuǎn)鉆機(jī)拔樁技術(shù)
    淺析沖壓件測量點(diǎn)的規(guī)劃
    模具制造(2019年10期)2020-01-06 09:13:08
    描寫建筑物的詞語
    基于CAD模型的三坐標(biāo)測量機(jī)測量點(diǎn)分布規(guī)劃
    PM2.5空中探測器的設(shè)計(jì)
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    GPS/GLONASS/BDS組合PPP精度分析
    火柴游戲
    改進(jìn)的Goldschmidt雙精度浮點(diǎn)除法器
    肉色欧美久久久久久久蜜桃 | 国产伦一二天堂av在线观看| 欧美区成人在线视频| 只有这里有精品99| 国国产精品蜜臀av免费| 亚洲va在线va天堂va国产| 亚洲国产成人一精品久久久| 色综合色国产| 最新中文字幕久久久久| av卡一久久| 国产69精品久久久久777片| 可以在线观看毛片的网站| 在线天堂最新版资源| 国产一区二区在线观看日韩| 69人妻影院| 少妇人妻精品综合一区二区| a级一级毛片免费在线观看| 欧美区成人在线视频| 日本wwww免费看| 国产av国产精品国产| 国产亚洲一区二区精品| 久久久欧美国产精品| 91久久精品电影网| 少妇丰满av| 一级片'在线观看视频| 欧美成人一区二区免费高清观看| 午夜久久久久精精品| 国产白丝娇喘喷水9色精品| 国产真实伦视频高清在线观看| 综合色av麻豆| 成年免费大片在线观看| 亚洲在久久综合| 国产精品国产三级专区第一集| 天堂√8在线中文| 高清欧美精品videossex| 高清在线视频一区二区三区| 国产av码专区亚洲av| 草草在线视频免费看| 日日摸夜夜添夜夜爱| 美女高潮的动态| 亚洲精品一二三| 日韩av在线免费看完整版不卡| 99久久精品热视频| 综合色av麻豆| 91精品国产九色| 欧美日本视频| 午夜福利在线在线| 亚洲最大成人av| 亚洲成人久久爱视频| 国产日韩欧美在线精品| 日本黄大片高清| 日韩三级伦理在线观看| 五月天丁香电影| 老师上课跳d突然被开到最大视频| 日韩成人伦理影院| 国产精品无大码| 亚洲精品国产成人久久av| 狂野欧美白嫩少妇大欣赏| 国产欧美日韩精品一区二区| 日产精品乱码卡一卡2卡三| 舔av片在线| 亚洲一区高清亚洲精品| 99久久九九国产精品国产免费| 婷婷色综合大香蕉| av在线播放精品| 嘟嘟电影网在线观看| 高清视频免费观看一区二区 | 欧美成人午夜免费资源| 不卡视频在线观看欧美| 精品久久久久久电影网| 亚洲综合精品二区| 啦啦啦韩国在线观看视频| 人妻夜夜爽99麻豆av| 日本猛色少妇xxxxx猛交久久| 国产片特级美女逼逼视频| 精品一区二区三卡| 日产精品乱码卡一卡2卡三| 欧美一区二区亚洲| 高清毛片免费看| 亚洲av二区三区四区| 国产伦精品一区二区三区视频9| 天天躁日日操中文字幕| 国产亚洲av片在线观看秒播厂 | av在线播放精品| 内地一区二区视频在线| 亚洲欧美精品自产自拍| 国产亚洲91精品色在线| 日韩一区二区三区影片| 大香蕉久久网| 亚洲精品色激情综合| 午夜老司机福利剧场| 大片免费播放器 马上看| 精品人妻熟女av久视频| 狠狠精品人妻久久久久久综合| av在线亚洲专区| 日韩欧美精品v在线| 国产黄色小视频在线观看| 久热久热在线精品观看| 成年女人看的毛片在线观看| 欧美性猛交╳xxx乱大交人| 成人鲁丝片一二三区免费| 亚洲在久久综合| 成人国产麻豆网| 97热精品久久久久久| 中文字幕人妻熟人妻熟丝袜美| 国产av码专区亚洲av| 国产亚洲91精品色在线| 麻豆乱淫一区二区| 国产黄片美女视频| 国国产精品蜜臀av免费| 中文字幕亚洲精品专区| 永久网站在线| 欧美另类一区| 精品99又大又爽又粗少妇毛片| 免费av不卡在线播放| 国产 亚洲一区二区三区 | 精品久久久久久久末码| 国产亚洲一区二区精品| 日韩在线高清观看一区二区三区| av.在线天堂| 亚洲熟女精品中文字幕| 亚洲最大成人av| 成年人午夜在线观看视频 | 99热这里只有是精品50| 免费少妇av软件| 国产成人a区在线观看| 成人午夜精彩视频在线观看| 亚洲精华国产精华液的使用体验| 伦理电影大哥的女人| 夫妻性生交免费视频一级片| 九九在线视频观看精品| 欧美日韩一区二区视频在线观看视频在线 | 国产精品女同一区二区软件| 美女cb高潮喷水在线观看| 欧美极品一区二区三区四区| 亚洲欧美精品自产自拍| 天美传媒精品一区二区| 日本一本二区三区精品| av免费观看日本| 国模一区二区三区四区视频| 最近最新中文字幕大全电影3| 国产精品一区二区性色av| 精品一区在线观看国产| 超碰97精品在线观看| 午夜免费观看性视频| 国产爱豆传媒在线观看| 欧美日韩精品成人综合77777| 亚洲最大成人av| 蜜桃亚洲精品一区二区三区| 欧美三级亚洲精品| 深爱激情五月婷婷| 精品久久久久久久久久久久久| 高清午夜精品一区二区三区| 观看美女的网站| 高清在线视频一区二区三区| 2021天堂中文幕一二区在线观| av在线播放精品| 日本三级黄在线观看| 寂寞人妻少妇视频99o| av一本久久久久| 久热久热在线精品观看| 国产精品综合久久久久久久免费| 亚洲aⅴ乱码一区二区在线播放| 精品久久久久久久久久久久久| 午夜福利高清视频| 女人十人毛片免费观看3o分钟| 午夜久久久久精精品| 日韩一本色道免费dvd| 18禁在线播放成人免费| 国产色爽女视频免费观看| 亚洲精品视频女| 日日干狠狠操夜夜爽| av在线老鸭窝| 国产黄频视频在线观看| 一个人观看的视频www高清免费观看| 老女人水多毛片| 22中文网久久字幕| 久久午夜福利片| 成人午夜精彩视频在线观看| 一级毛片 在线播放| 亚洲国产精品成人久久小说| 精品久久久久久久人妻蜜臀av| 国产极品天堂在线| 久久久久九九精品影院| 赤兔流量卡办理| 久久精品久久久久久噜噜老黄| 国产亚洲精品久久久com| 午夜免费男女啪啪视频观看| 色吧在线观看| 成人亚洲精品av一区二区| 国产午夜福利久久久久久| 嫩草影院精品99| 欧美日韩亚洲高清精品| 天堂中文最新版在线下载 | 欧美成人a在线观看| 国产欧美日韩精品一区二区| 26uuu在线亚洲综合色| 男插女下体视频免费在线播放| 午夜免费男女啪啪视频观看| 国产精品人妻久久久影院| 干丝袜人妻中文字幕| 一级毛片黄色毛片免费观看视频| 一夜夜www| 黄色欧美视频在线观看| 3wmmmm亚洲av在线观看| 亚洲国产精品成人久久小说| 网址你懂的国产日韩在线| 天堂√8在线中文| 国产精品久久久久久久久免| 中文字幕av成人在线电影| 久久韩国三级中文字幕| 麻豆成人av视频| 免费电影在线观看免费观看| 久久久久久久国产电影| 日产精品乱码卡一卡2卡三| 能在线免费看毛片的网站| 18+在线观看网站| 日本wwww免费看| 99热6这里只有精品| 三级经典国产精品| 亚洲最大成人av| 亚洲天堂国产精品一区在线| 哪个播放器可以免费观看大片| 亚洲av免费高清在线观看| 欧美+日韩+精品| 国产精品国产三级国产av玫瑰| 韩国av在线不卡| 欧美日韩综合久久久久久| or卡值多少钱| 国产欧美日韩精品一区二区| 国产精品久久久久久精品电影| 最近的中文字幕免费完整| 在线播放无遮挡| 97人妻精品一区二区三区麻豆| 日产精品乱码卡一卡2卡三| 亚洲av一区综合| 99久久人妻综合| 亚洲国产高清在线一区二区三| 偷拍熟女少妇极品色| 国产色爽女视频免费观看| 国产 一区精品| 五月天丁香电影| 久久久欧美国产精品| 国产白丝娇喘喷水9色精品| 成人毛片a级毛片在线播放| 欧美bdsm另类| 青春草亚洲视频在线观看| 最近的中文字幕免费完整| 国产精品1区2区在线观看.| 国产视频首页在线观看| 国产精品麻豆人妻色哟哟久久 | 天堂影院成人在线观看| 国产一区二区在线观看日韩| 欧美3d第一页| 亚洲精品乱码久久久久久按摩| 久久久久九九精品影院| 国产精品1区2区在线观看.| 搡老乐熟女国产| 丝袜喷水一区| 日日撸夜夜添| av线在线观看网站| 自拍偷自拍亚洲精品老妇| 毛片女人毛片| 在线a可以看的网站| 一级二级三级毛片免费看| 一级爰片在线观看| 亚洲伊人久久精品综合| 亚洲人成网站在线播| 神马国产精品三级电影在线观看| 一级毛片久久久久久久久女| 国产精品1区2区在线观看.| 亚洲成色77777| 日韩av免费高清视频| 一级av片app| 在线a可以看的网站| 97超视频在线观看视频| 三级毛片av免费| 亚洲经典国产精华液单| 久久精品久久久久久噜噜老黄| 国产精品精品国产色婷婷| 一级av片app| 91久久精品电影网| 女人十人毛片免费观看3o分钟| 国产精品国产三级国产专区5o| 免费av不卡在线播放| 视频中文字幕在线观看| 国产伦在线观看视频一区| 少妇的逼好多水| 中文在线观看免费www的网站| 国产 一区精品| 亚洲精品成人av观看孕妇| 三级国产精品欧美在线观看| 男插女下体视频免费在线播放| 女人久久www免费人成看片| 最近视频中文字幕2019在线8| 99热这里只有是精品50| 在线免费观看的www视频| 熟妇人妻不卡中文字幕| 精品久久久久久久久亚洲| 亚洲精品成人av观看孕妇| 国产女主播在线喷水免费视频网站 | 亚洲成人一二三区av| 男的添女的下面高潮视频| 婷婷色综合www| 成人亚洲精品一区在线观看 | 一区二区三区高清视频在线| 亚洲av成人av| 成人午夜精彩视频在线观看| av在线亚洲专区| 97人妻精品一区二区三区麻豆| 乱人视频在线观看| 午夜福利成人在线免费观看| 看免费成人av毛片| 国产黄频视频在线观看| 国产成人a∨麻豆精品| 免费黄网站久久成人精品| 亚洲成色77777| 国产伦精品一区二区三区视频9| 国产免费视频播放在线视频 | 我的老师免费观看完整版| 亚洲国产欧美人成| 亚洲国产精品成人久久小说| 精品久久久久久久人妻蜜臀av| 国产 一区精品| 18禁在线无遮挡免费观看视频| 国产乱人偷精品视频| 亚洲精品乱码久久久久久按摩| 国产在视频线精品| 国产av码专区亚洲av| 好男人视频免费观看在线| 免费大片黄手机在线观看| 成人漫画全彩无遮挡| 久久这里有精品视频免费| 欧美精品国产亚洲| 中文字幕久久专区| 久久人人爽人人爽人人片va| 免费人成在线观看视频色| 国产精品一区二区三区四区久久| 一级爰片在线观看| 一级片'在线观看视频| 成人美女网站在线观看视频| 高清av免费在线| 国产一区有黄有色的免费视频 | 18禁动态无遮挡网站| 久久国产乱子免费精品| 中文字幕亚洲精品专区| 亚洲欧美成人综合另类久久久| 一级av片app| 91aial.com中文字幕在线观看| 国产中年淑女户外野战色| 国产乱人视频| 三级国产精品片| 日韩av在线免费看完整版不卡| 国产精品一区www在线观看| 国产午夜福利久久久久久| 高清欧美精品videossex| 欧美日韩一区二区视频在线观看视频在线 | 搡老乐熟女国产| 人人妻人人看人人澡| 国产精品三级大全| 国产在线男女| 狂野欧美激情性xxxx在线观看| 日韩一区二区视频免费看| 有码 亚洲区| av专区在线播放| 一级片'在线观看视频| 中文字幕久久专区| a级毛片免费高清观看在线播放| 久久精品熟女亚洲av麻豆精品 | 久久久a久久爽久久v久久| 最近最新中文字幕免费大全7| 尤物成人国产欧美一区二区三区| 久久久久久久久久黄片| 国产色婷婷99| av一本久久久久| 18+在线观看网站| 最近视频中文字幕2019在线8| 国产亚洲精品av在线| 99九九线精品视频在线观看视频| 精品少妇黑人巨大在线播放| 国精品久久久久久国模美| 欧美不卡视频在线免费观看| 性插视频无遮挡在线免费观看| 国产白丝娇喘喷水9色精品| 嫩草影院入口| 欧美最新免费一区二区三区| 一夜夜www| 国产在线男女| 亚洲精品乱久久久久久| 中文字幕免费在线视频6| 亚洲av国产av综合av卡| 国产 亚洲一区二区三区 | 国产v大片淫在线免费观看| 成人毛片a级毛片在线播放| 能在线免费看毛片的网站| 插逼视频在线观看| 在现免费观看毛片| 免费无遮挡裸体视频| 一级毛片久久久久久久久女| 国产成人精品福利久久| 亚洲综合精品二区| 男的添女的下面高潮视频| 97精品久久久久久久久久精品| 国产高清三级在线| 日韩制服骚丝袜av| 国产高清三级在线| 国产精品日韩av在线免费观看| 国产激情偷乱视频一区二区| 噜噜噜噜噜久久久久久91| 欧美日本视频| 亚洲欧美日韩卡通动漫| 久久久久久久久久人人人人人人| 美女cb高潮喷水在线观看| 国产免费一级a男人的天堂| 国产精品久久久久久精品电影小说 | 亚洲av成人精品一区久久| 国产精品一区二区三区四区久久| 国产午夜精品一二区理论片| 日本av手机在线免费观看| 少妇熟女aⅴ在线视频| 午夜福利视频精品| 欧美xxⅹ黑人| 久久精品国产亚洲网站| 26uuu在线亚洲综合色| 尤物成人国产欧美一区二区三区| 国产国拍精品亚洲av在线观看| 久久久久久久久中文| 青青草视频在线视频观看| 国产毛片a区久久久久| 97热精品久久久久久| 亚洲欧美精品自产自拍| 亚洲精品成人av观看孕妇| 国产真实伦视频高清在线观看| 99热这里只有精品一区| 最近最新中文字幕免费大全7| 国产色婷婷99| 18禁在线播放成人免费| 成人亚洲精品一区在线观看 | 五月玫瑰六月丁香| 亚洲精品一二三| 国产高清有码在线观看视频| 国产有黄有色有爽视频| 国产麻豆成人av免费视频| 只有这里有精品99| 丝瓜视频免费看黄片| 爱豆传媒免费全集在线观看| 99久久精品一区二区三区| 激情 狠狠 欧美| 人妻制服诱惑在线中文字幕| 春色校园在线视频观看| 男人舔奶头视频| 99久国产av精品| 国产伦精品一区二区三区视频9| 99热这里只有是精品50| 舔av片在线| 黄色一级大片看看| 美女cb高潮喷水在线观看| 国产乱人视频| 成人亚洲精品av一区二区| 欧美高清性xxxxhd video| 哪个播放器可以免费观看大片| 欧美3d第一页| 美女国产视频在线观看| 日韩电影二区| 一夜夜www| 九九在线视频观看精品| 少妇人妻精品综合一区二区| 久久精品久久久久久噜噜老黄| 真实男女啪啪啪动态图| a级毛片免费高清观看在线播放| 日韩国内少妇激情av| 成人无遮挡网站| 亚洲av日韩在线播放| a级毛色黄片| 国产精品av视频在线免费观看| 黄色欧美视频在线观看| 青青草视频在线视频观看| 欧美最新免费一区二区三区| 人妻少妇偷人精品九色| 亚洲欧美日韩无卡精品| 久久久a久久爽久久v久久| 男女国产视频网站| h日本视频在线播放| 五月天丁香电影| 国产精品福利在线免费观看| 日本三级黄在线观看| 一边亲一边摸免费视频| 国产一区二区三区综合在线观看 | 日本午夜av视频| 国产一级毛片在线| 蜜臀久久99精品久久宅男| 日韩一区二区三区影片| 亚洲精品乱码久久久久久按摩| a级毛色黄片| 亚洲精品日韩av片在线观看| 午夜福利成人在线免费观看| 日韩制服骚丝袜av| 精品人妻一区二区三区麻豆| 免费播放大片免费观看视频在线观看| 久久草成人影院| 亚洲精品日韩在线中文字幕| 成人av在线播放网站| 成年女人看的毛片在线观看| 婷婷色综合www| 全区人妻精品视频| 久久午夜福利片| 亚洲成人av在线免费| 精品久久久精品久久久| 三级男女做爰猛烈吃奶摸视频| 欧美成人a在线观看| 一个人看的www免费观看视频| 大片免费播放器 马上看| 国产男女超爽视频在线观看| 97热精品久久久久久| 九九在线视频观看精品| 国产在视频线精品| 国产一级毛片七仙女欲春2| 亚洲四区av| 一区二区三区高清视频在线| 午夜爱爱视频在线播放| 国产乱人视频| 久久精品国产亚洲网站| 亚洲欧美精品专区久久| 男人狂女人下面高潮的视频| av免费观看日本| 精品久久久久久久久久久久久| 成人特级av手机在线观看| 国产白丝娇喘喷水9色精品| 精品人妻熟女av久视频| 亚洲欧洲国产日韩| 成年女人在线观看亚洲视频 | 视频中文字幕在线观看| 午夜福利在线观看免费完整高清在| 久久精品久久久久久久性| 丰满人妻一区二区三区视频av| 久久久欧美国产精品| av国产久精品久网站免费入址| 午夜日本视频在线| 国产在视频线在精品| 亚洲av电影在线观看一区二区三区 | 免费观看av网站的网址| 99热这里只有是精品在线观看| 日韩制服骚丝袜av| 欧美日本视频| 日本一二三区视频观看| 91av网一区二区| 免费少妇av软件| 一区二区三区四区激情视频| 国产爱豆传媒在线观看| 别揉我奶头 嗯啊视频| 噜噜噜噜噜久久久久久91| 精品国产一区二区三区久久久樱花 | 久久国产乱子免费精品| 欧美97在线视频| 免费观看无遮挡的男女| 男女边摸边吃奶| 亚洲精品乱码久久久v下载方式| 淫秽高清视频在线观看| 熟女电影av网| 国产v大片淫在线免费观看| 一边亲一边摸免费视频| 亚洲经典国产精华液单| 麻豆精品久久久久久蜜桃| 久久久久久久久久黄片| 亚洲最大成人中文| 日韩 亚洲 欧美在线| 草草在线视频免费看| 亚洲精品一二三| 久久国内精品自在自线图片| 欧美日韩在线观看h| 联通29元200g的流量卡| 少妇猛男粗大的猛烈进出视频 | 99九九线精品视频在线观看视频| 日本-黄色视频高清免费观看| 国产单亲对白刺激| 日本猛色少妇xxxxx猛交久久| 少妇高潮的动态图| 欧美xxxx性猛交bbbb| 一级毛片 在线播放| 十八禁网站网址无遮挡 | 欧美bdsm另类| 国产又色又爽无遮挡免| 99久久精品国产国产毛片| 精品人妻视频免费看| 日韩视频在线欧美| 国产免费一级a男人的天堂| 嘟嘟电影网在线观看| 国产亚洲午夜精品一区二区久久 | 亚洲伊人久久精品综合| 久久久久久久久中文| av在线播放精品| 欧美三级亚洲精品| 免费看a级黄色片| 少妇熟女欧美另类| 亚洲欧美日韩无卡精品| 我要看日韩黄色一级片| 欧美+日韩+精品| 色播亚洲综合网| 国产黄片美女视频| 亚洲av免费高清在线观看| 亚洲精品自拍成人| 干丝袜人妻中文字幕| 久久久成人免费电影| 成人综合一区亚洲| 久久久精品欧美日韩精品| 少妇高潮的动态图| 国产精品嫩草影院av在线观看| 亚洲精品乱码久久久久久按摩| 欧美日韩亚洲高清精品| 亚洲av免费在线观看| 97超碰精品成人国产| 午夜福利视频精品| 纵有疾风起免费观看全集完整版 | 真实男女啪啪啪动态图| 国产精品爽爽va在线观看网站|