• <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 ?

    航天器艙內結構語義三維重建

    2021-04-14 03:10:00孫慶偉晁建剛林萬洪許振瑛張洪波
    載人航天 2021年1期
    關鍵詞:位姿三維重建語義

    孫慶偉,晁建剛,陳 煒,楊 進,林萬洪,許振瑛,張洪波

    (1.國防科技大學空天科學學院,長沙410073;2.中國航天員科研訓練中心,北京100094)

    1 引言

    在航天員地面混合現(xiàn)實訓練中,為了輔助航天員進行空間場景理解并指導操作訓練任務,需要對地面航天飛行訓練場景進行三維重建。以往的做法是通過三維繪圖軟件對整個場景進行構建。這種做法需要提供全部CAD模型,耗費大量時間,效率低下,在緊急情況下無法采用。

    通過實時三維重建的技術,可以將訓練場景進行掃描并快速重建,滿足緊急情況下混合現(xiàn)實的需要。但艙內結構錯落復雜,傳統(tǒng)三維重建技術結果較為粗糙,重建結構為整體空間,不利于混合現(xiàn)實操作。通過語義三維重建技術,將重要部件進行分割并賦予語義信息,構造出能夠智能理解的虛擬結構。借助混合現(xiàn)實技術,重建模型可以增強在不同工作場景,航天員可以沉浸在與實際場景高度逼真的工作環(huán)境。這種方式可以省去建造模擬器所需要耗費的人力財力,針對不同環(huán)境可以快速建模并投入使用,并且三維模型可以進行移植,滿足多名航天員同時訓練的需求。

    針對航天器艙內場景語義重建,SemanticFusion的思路是:結合卷積神經網絡(Convolutional Neural Network,CNN)與三維重建,在每一個三維空間點上存儲語義信息;CNN作為數(shù)據驅動的分割方法,可以較準確的獲得每個像素點的語義類別概率,即時定位與地圖構建(Simultaneous Localization and Mapping,SLAM)過程會獲得圖像的位姿,利用位姿將二維語義信息映射到三維空間;同一個三維空間點會被不同時間的圖像觀測到,對不同時間的語義信息進行融合更新,獲得最優(yōu)的語義類別;同時采用全連接條件隨機場(Conditional Random Field,CRF)進行后端優(yōu)化,使語義信息在整個三維空間分布更加合理。

    二維語義分割近幾年發(fā)展非常迅速,F(xiàn)CN是第一次用卷積神經網絡實現(xiàn)語義分割的工作,它將傳統(tǒng)用于分類的卷積神經網絡VGG16的全連接層用卷積層替換,并采用反卷積對分類結果進行上采樣,可以實現(xiàn)像素級別的分類。Seg-Net采用Encoder-Decoder的方式,將Encoder階段的池化索引應用在Decoder的上采樣階段,可以大幅提高語義分割的精度。DeconvNet與SegNet類似,不同之處在于上采樣采用反池化和反卷積進行Decoder,也取得了不錯的效果。UNet將Encoder和Decoder不同階段的特征進行拼接,可以在少量數(shù)據集上訓練得到很好的分割效果,并且分割速度更快。DeepLab提出空洞卷積以提高網絡的感受野,使用CRF進行后處理,較好地恢復圖像邊緣。

    稠密三維重建借助圖像和深度信息恢復物體的三維結構。KinectFusion是第一個實現(xiàn)實時稠密三維重建的工作,它采用ICP算法進行位姿計算,用截斷的帶符號距離函數(shù)(Truncated Signed Distance Function,TSDF)表示三維表面,但是需要固定空間的大小,不利于大場景重建。ElasticFusion采用Surfel表示空間中的三維點,結合ICP算法和直接法計算相機位姿,整合局部和全局回環(huán)檢測優(yōu)化整體結構,適用于大場景,并且是最適合作為語義三維重建的重建方法。BundleFusion采用SIFT關鍵點進行幀間匹配,將圖像幀分成不同的塊,每個塊內做局部位姿優(yōu)化,不同的塊之間做全局位姿優(yōu)化,是目前重建效果最好的算法。

    語義三維重建作為對場景理解的有效形式近年來也得到較快發(fā)展。3D-SIS利用BundleFusion進行重建,對重建模型進行分割并賦予語義信息,但是此算法無法實時進行。MID-Fusion構建八叉樹語義地圖,與基于surful的模型相比不需要對空白區(qū)域進行建模,運行效率較高,在CPU上即可運行。MID-Fusion結合幾何信息、光度信息、語義信息進行分割,提高了分割精度,利用測量不確定性進行加權并重置目標追蹤使得魯棒性更好。MaskFusion實現(xiàn)了實例級語義地圖構建,重建采用Elasticfusion,通過Mask RCNN和基于幾何物體的邊緣檢測算法進行實例分割,對場景中的動態(tài)剛性物體重建和跟蹤性能較好,忽略非剛性動態(tài)結構。

    本文與SemanticFusion和Hermans的工作類似,都是采用語義分割與三維重建相結合的方式。Hermans采用隨機決策森林獲得像素的語義信息,本文與SemanticFusion采用卷積神經網絡,與其不同的是本文僅使用RGB信息,不使用Depth信息輔助分割。文獻[2,17]采用貝葉斯濾波的方式融合語義信息,CRF進行后端優(yōu)化,本文則試驗采用加權融合的方式進行語義信息的融合,并在CRF過程中添加時間約束,從而更好地實現(xiàn)語義優(yōu)化。

    2 方法

    算法結構如圖1所示。

    2.1 語義分割

    圖1 算法結構總覽Fig.1 Overview of the algorithm structure

    考慮到語義分割和三維重建都是非常耗時且占用計算資源,分割方法基于DeconvNe進行設計。將兩個1×1×4096的卷積層改成1×1×512和1×1×1024,減少模型參數(shù)量。在第12-13卷積層之間添加通道注意力為不同通道之間分配合理的權重,全連接層用1×1的卷積層替代。1×1×32的卷積將通道數(shù)壓縮,1×1×512的卷積將通道數(shù)還原,用Sigmoid函數(shù)計算通道之間的權重,并與輸入層相乘,通過殘差結構作為下一層的輸入。其計算公式為式(1):

    其中u(i,j)為輸入圖像某通道的素值,w為學習得到的通道權重,u′(i,j)為輸出像素值。網絡結構如圖2所示。

    圖2 語義分割網絡結構圖Fig.2 Network structure of sematic segmentation

    系統(tǒng)將輸入圖像下采樣為224×224并送入網絡,分割結果上采樣到640×480并映射到重建好的三維空間點。

    2.2 重建

    重建算法采用ElasticFusion,對輸入圖像,通過2種方式計算位姿:一是利用直接法計算當前幀與前一幀的位姿,二是重建好的模型在上一幀視角下的投影與當前幀利用ICP計算位姿。空間三位點用Surfel模型表示,除了存儲空間點的坐標,顏色,法向量,時間戳,還存儲其類別概率??臻g結構由變形圖表示,在小范圍內通過不同時間內得到的點云配準尋找局部回環(huán)約束,在大范圍內通過隨機蕨尋找全局循環(huán),利用局部回環(huán)和全局回環(huán)得到的幾何約束優(yōu)化變形圖,使重建結果更加精確。

    算法最關鍵的部分是圖像之間位姿的計算,將所有圖像的坐標系統(tǒng)一到世界坐標系下,圖像的位姿包括相對于世界坐標系的旋轉矩陣R∈SO和平移向量t∈R,用變換矩陣T表示,如式(2),其中g,c表示從相機坐標系(camera)到全局坐標系(global)的變換:

    不同ElasticFusion的是,本算法考慮每一對匹配點之間的差異,為它們分配相應的權值。主要包含兩個方面的差異。

    2.2.1 Kinect測量精度造成的影響

    Kinect的測量精度與圖像上的點距光心的距離有關,越接近光心,精度越高。試驗中發(fā)現(xiàn),越接近光心,點到平面的殘差計算越準確,因此應分配較高的權值,本文采用類似文獻[20]對頂點和法向量的處理方式如式(4):

    其中γ是深度圖像上像素點與光心的距離除以圖像對角線長度的二分之一,σ取0.6。所以ICP公式為式(5):

    2.2.2 點匹配精度造成的影響

    在尋找當前圖像與模型反投影之間的匹配點時,采用ElasticFusion所述方式,對點對的篩選主要使用了兩種策略,如式(6)所示:

    其中d是兩幀圖像對應的空間點在全局坐標系下的坐標差閾值(threshold),θ為空間點法向量的夾角閾值。

    坐標差或夾角閾值的大小不同會導致點的計算精度不同,因此對匹配精度高的點分配較大的權值,方法如式(7)~(9):

    其中w衡量距離精度帶來的影響,w衡量法向量因素帶來的影響,因此ICP公式為式(10):

    2.2.3 綜合考慮Kinect測量精度和點匹配精度

    綜合考慮傳感器測量精度與匹配誤差的影響如式(11):

    2.3 語義融合

    通過二維語義分割,得到圖像中每個像素的類別概率P(u=c),而像素與空間三維點聯(lián)系,即u(pixel)與s(surfel)對應,因此可以在surfel中存儲類別信息P(s=c),其中c∈C表示某個類別,i=1,2,…,n為類別編號,為方便表示,下文將P(s=c)記為P(s)。

    其中P(s)為前一時刻surfel的類別概率,P(s)為當前幀獲得的概率分布,取w為0,w為固定值(fixed)1。通過不斷地加權平均,新的分割結果與之前的結果融合,當最后觀測到這個空間點的圖像被融合后,更新結束。這樣可以去除極端結果的影響,得到整個序列上的最優(yōu)分布。

    2.4 全局語義優(yōu)化

    采用3種高斯核函數(shù)組成二元項,其中2種與SemanticFusion相同,式(18)考慮位置和顏色對語義類別的影響,(19)考慮位置和法向量對語義類別的影響。

    同時,充分利用SLAM獲取的信息,即每個surfel存儲了這個像素點獲取的時間戳,而時間戳的記錄相對其他特征更加準確,因此加入第3種高斯核函數(shù):

    式(20)表示在相近時間內觀測到的點應該具有相近的語義類別。其中k、k參數(shù)的取值與SemanticFusion相同,分別為θ=0.05、θ=0.1、θ=20、w=10、w=3。 Kinect的幀率為30 fps,將θ設置為一幀的間隔,即θ=1/30 s,其中w=3效果最好。

    3 試驗

    3.1 語義分割

    3.1.1 航天器艙內數(shù)據集

    選取航天器艙內常見5種結構放置平臺上,模擬艙內環(huán)境,用Kinect在不同角度、不同焦距拍攝60 s,分別獲取1800幀RGB和Depth圖像,每隔10幀抽取一幀進行標注,艙內結構加平臺一共6類。手持Kinect進行語義重建會不可避免地發(fā)生輕微旋轉和焦距改變,試驗中將標注數(shù)據集在±10范圍內隨機旋轉,并以scale0.8進行隨機裁剪。最后獲得1500張訓練集數(shù)據和300張測試集數(shù)據,覆蓋實際運行中的各種情況。

    3.1.2 網絡訓練

    試驗電腦GPU為GeForce RTX 2080 Ti,CPU為Intel i7-7700 K,網絡訓練基于caffe框架。使用隨機梯度下降策略,初始學習率為0.001,每隔15 k次迭代學習率降為上一次的10%,以bach size 8在DeconvNet的基礎上進行微調,一共進行5×10次迭代。為了對比網絡的性能,以同樣的策略用航天器艙內數(shù)據集對DeconvNet進行訓練。

    3.1.3 分割結果

    分割結果如圖3,可以看出,與DeconvNet相比,本算法的分割結果更精確,邊緣更清晰。同時從像素精度(PA),平均像素精度(MPA),平均交并比(MIoU),頻權交并比(FW loU),模型權重大小(Weights)和分割時間(Time)幾個方面進行比較,如表1所示。

    圖3 語義分割結果Fig.3 Results of semantic segmentation

    可以看出,本算法不僅在分割結果上優(yōu)于原方法,模型參數(shù)量減少73%,平均分割時間減少到大約50%,這對耗時、占用計算資源的語義三維重建來說是非常重要的。

    表1 語義分割性能對比Table 1 Comparison of semantic segmentation performance

    3.2 重建

    3.2.1 重建數(shù)據集

    為了便于比較,減少試驗變量,用Kinect實時運行20 s,采集668幀圖像制作重建數(shù)據集,并通過時間戳將RGB圖像與Depth圖像對應。在運行中輕微抖動相機以驗證算法的魯棒性。

    3.2.2 常數(shù)確定

    1)w中常數(shù)α和β的確定。對于式(9),選取TUM數(shù)據集中的Desk1場景進行實驗,α和β按表2中選取,分別比較它們的ATE和RPE,其結果如下:

    表2 不同α和β的精度比較Table 2 Com parison of accuracy of differentαandβ\m

    橫軸為α的取值。當α小于0.5時,軌跡精度呈上升趨勢;當α大于0.5時,軌跡精度呈降低趨勢;當α和β都取0.5時,ATE和RPE最小,本文中α和β都取0.5進行后續(xù)實驗。

    2)E中常數(shù)μ和η的確定。對于式(11),同樣選取TUM數(shù)據集中的Desk1場景進行實驗,μ和η按表3中選取,分別比較它們的ATE和RPE,其結果如下:

    當μ小于0.2時,軌跡精度呈上升趨勢;當μ大于0.2時,軌跡精度呈降低趨勢;當μ取0.2和η取0.8時,ATE和RPE最小,本文中取μ為0.2和η為0.8進行后續(xù)實驗。

    表3 不同μ和η的精度比較Table 3 Com parison of accuracy of differentμandη\m

    3.2.3 重建結果

    在SLAM基準數(shù)據集TUM上對重建結果進行測試,TUM數(shù)據集提供了相機位姿的基準,選取絕對軌跡誤差(Absolute Trajectory Error,ATE)和相對位姿誤差(Relative Pose Error,RPE)進行評估,這兩個標準可以較準確地驗證SLAM系統(tǒng)的性能。在數(shù)據集里選取不同類型的場景進行測試,其結果如表4、表5所示。

    表4 ATE對比Table 4 Comparison of ATE \m

    表5 RPE對比Table 5 Com parison of RPE \m

    表中ICP表示ElasticFusion中使用的ICP算法,ICP表示在原ICP上添加測量精度權重,如公式(5),ICP表示添加匹配點對權重,如公式(8),ICP表示2種權重結合,如公式(9)。

    3種權重方式都使SLAM精度優(yōu)于原算法,其中添加ICP效果最好,僅在cabinet場景漂移量略差于其余2種,2種權重相結合并沒有得到較大改善。本文選擇添加ICP的ICP作為重建方法。圖4可視化ElasticFusion和ICP絕對軌跡誤差,圖5可視化相對誤差軌跡??梢郧逦赜^察到本文算法比原算法更加精確。

    圖4 絕對軌跡誤差Fig.4 Absolute trajectory error

    圖5 相對軌跡誤差Fig.5 Relative trajectory error

    圖6 不同分割間隔的運行幀率和M pa比較Fig.6 Com parison of frame rate and MPA at different segmentatiob intervals

    3.3 語義融合

    采用NYUv2 dataset數(shù)據集進行試驗,NYUv2主要采集室內的生活場景,本文采用13類標簽進行標注。在SemanticFusion的基礎上,只將語義融合改成加權平均的方式。在特定幀將融合更新后的surfel映射到相應的像素,將其保存成一張語義類別圖像,并與此幀圖像的語義基準進行比較。為了找出最優(yōu)的分割間隔,每k幀進行一次語義分割,對數(shù)據進行二次插值以擬合曲線,k= {1,2,4,8,10,12,16,24}。 圖6分別記錄了本文方法和貝葉斯濾波取不同間隔運行語義分割并融合更新后,surfel相對于基準的平均像素精度(Mpa)和算法的運行效率(fps)。

    由圖6可以看出,2種方法隨著分割間隔的增加,運行效率都呈上升趨勢,這是因為語義分割過程比較耗時,減少這一過程可以加快運行速度。特別注意的一點是,當間隔10幀進行一次語義分割時,運行效率有一個小的躍升,大于間隔10幀時效率變化不大。加權平均最優(yōu)的分割間隔是24,運行效率為21.0844 fps,Mpa為0.5562。貝葉斯濾波最優(yōu)的分割間隔是10幀,運行效率為20.9887 fps,Mpa為0.5547。本文方法在Mpa上比貝葉斯濾波高了0.27%,運行效率上高了0.46%,證明本文方法的有效性

    3.4 全局優(yōu)化

    同樣在NYUv2數(shù)據集上進行試驗,語義更新的方法采用貝葉斯濾波,每隔10幀進行一次語義分割,每隔k幀運行一次CRF,k={10,40,80,120,200}。 因為運行CRF是非常耗時的過程,試驗中不比較算法的運行效率,只比較Mpa,圖7記錄了本文方法和SemanticFusion方法的運行結果。

    圖7 地圖優(yōu)化結果比較Fig.7 Com parison ofmap regularization results

    當間隔80幀進行一次CRF時,2種算法的Mpa都達到最大值,SemanticFusion的方法為0.5562,本文方法為0.5872,比SemanticFusion的提高了5.57%,證明本文方法是有效的。

    圖8 不同方法語義地圖對比Fig.8 Semantic map between differentmethods

    3.5 語義地圖

    將算法應用在航天器艙內場景。對于本文方法,每隔24幀進行一次語義分割,每隔80幀運行一次CRF。對于SemanticFusion每隔10幀進行一次語義分割,每隔80幀幀運行一次CRF。結果如圖8??梢钥吹奖疚乃惴ㄝ^完整地獲取語義地圖,目標結構語義信息分布準確,背景噪聲過濾較好。

    3.6 內存占用

    如圖9、圖10所示為2種算法不使用FCRF時對GPU和CPU的占用情況,其中,SemanticFusion占用CPU3.8 GB,占用GPU4745 MB;與之相對,本算法占用CPU2.9 GB,占用GPU3319 MB,CPU使用率減少23.68%,GPU使用率減少30.05%,這對算法將來部署到混合現(xiàn)實設備上是非常有意義的。

    圖9 SemanticFusion GPU和CPU占用Fig.9 The usage of SemanticFusion

    圖10 本文方法GPU和CPU占用Fig.9 The GPU and CPU usage of this algorithm

    4 結論

    1)首次將語義三維重建應用于航天員訓練領域,聚焦混合現(xiàn)實訓練所需的艙內結構,為混合現(xiàn)實提供相應的技術輔助。

    2)輕量化語義分割網絡,用SE模塊增強分割精度,分割效果更加精確,運行時間更少。

    3)考慮傳感器測量誤差和點匹配精度誤差,設計加權ICP算法計算位姿,提高計算精度。

    4)對不同時間獲取的語義分割結果,用加權平均的方法融合更新,提高語義精度。

    5)運用surfel模型存儲特點,將圖像幀的時間戳作為優(yōu)化語義信息的約束,增強CRF的性能。

    猜你喜歡
    位姿三維重建語義
    基于Mimics的CT三維重建應用分析
    軟件(2020年3期)2020-04-20 00:56:34
    語言與語義
    基于關系圖的無人機影像三維重建
    基于共面直線迭代加權最小二乘的相機位姿估計
    基于CAD模型的單目六自由度位姿測量
    三維重建結合3D打印技術在腔鏡甲狀腺手術中的臨床應用
    “上”與“下”語義的不對稱性及其認知闡釋
    小型四旋翼飛行器位姿建模及其仿真
    多排螺旋CT三維重建在頜面部美容中的應用
    認知范疇模糊與語義模糊
    国产乱人伦免费视频| 成人高潮视频无遮挡免费网站| 可以在线观看毛片的网站| 国产免费男女视频| 精品福利观看| 国产高潮美女av| 99视频精品全部免费 在线| 99久久久亚洲精品蜜臀av| 国产白丝娇喘喷水9色精品| 午夜福利高清视频| 亚洲激情在线av| 国产精品av视频在线免费观看| 在线观看一区二区三区| 少妇人妻一区二区三区视频| 草草在线视频免费看| 色综合站精品国产| 亚洲最大成人av| 深爱激情五月婷婷| 俺也久久电影网| 禁无遮挡网站| 久久精品国产99精品国产亚洲性色| 亚洲av成人精品一区久久| 九色国产91popny在线| 又黄又爽又刺激的免费视频.| 成人欧美大片| 亚洲三级黄色毛片| 99精品在免费线老司机午夜| 麻豆一二三区av精品| 亚洲欧美日韩东京热| 日本熟妇午夜| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 性插视频无遮挡在线免费观看| 99久久无色码亚洲精品果冻| 偷拍熟女少妇极品色| 亚洲国产欧洲综合997久久,| 亚洲美女黄片视频| 国产真实伦视频高清在线观看 | 国产高潮美女av| 人人妻,人人澡人人爽秒播| 1000部很黄的大片| 国产一区二区三区视频了| 两个人的视频大全免费| 欧美激情久久久久久爽电影| 99久久99久久久精品蜜桃| 亚洲在线自拍视频| 又爽又黄a免费视频| 一本一本综合久久| 欧美成人性av电影在线观看| а√天堂www在线а√下载| 丝袜美腿在线中文| 久久性视频一级片| 国产精品亚洲av一区麻豆| 精品人妻一区二区三区麻豆 | 久久精品人妻少妇| 国产免费av片在线观看野外av| 亚洲av电影在线进入| 岛国在线免费视频观看| 久久久久九九精品影院| 免费在线观看亚洲国产| 99久久成人亚洲精品观看| 亚洲午夜理论影院| 国产伦在线观看视频一区| 波野结衣二区三区在线| 悠悠久久av| 免费观看的影片在线观看| 99在线视频只有这里精品首页| 99精品久久久久人妻精品| 久久九九热精品免费| 欧美成人性av电影在线观看| 欧美日韩中文字幕国产精品一区二区三区| www.色视频.com| 免费电影在线观看免费观看| 草草在线视频免费看| 在线观看av片永久免费下载| 99国产精品一区二区三区| 成人美女网站在线观看视频| 99热这里只有是精品50| 免费在线观看日本一区| 成人精品一区二区免费| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品亚洲一区二区| 日韩欧美精品v在线| 高清日韩中文字幕在线| 国产伦人伦偷精品视频| 如何舔出高潮| 夜夜看夜夜爽夜夜摸| 国产精品一区二区三区四区久久| 老司机午夜十八禁免费视频| 国语自产精品视频在线第100页| 国产高清激情床上av| 99久久无色码亚洲精品果冻| 免费人成在线观看视频色| 午夜福利高清视频| 亚洲av日韩精品久久久久久密| 在线看三级毛片| 欧美绝顶高潮抽搐喷水| 高清日韩中文字幕在线| 午夜激情福利司机影院| 国产乱人伦免费视频| 我的女老师完整版在线观看| 日韩 亚洲 欧美在线| 色综合婷婷激情| 欧美日本亚洲视频在线播放| 免费搜索国产男女视频| 脱女人内裤的视频| 搡老岳熟女国产| 老鸭窝网址在线观看| 中文在线观看免费www的网站| 欧美三级亚洲精品| a级毛片免费高清观看在线播放| 国产亚洲欧美98| 成人国产综合亚洲| 欧美精品国产亚洲| 美女高潮的动态| 欧美绝顶高潮抽搐喷水| 美女高潮喷水抽搐中文字幕| 日本黄色片子视频| 亚洲电影在线观看av| 国产av不卡久久| 一级黄片播放器| 搞女人的毛片| 十八禁网站免费在线| 欧美日韩福利视频一区二区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲美女视频黄频| 最近在线观看免费完整版| 真人做人爱边吃奶动态| 五月伊人婷婷丁香| 中亚洲国语对白在线视频| 日本一本二区三区精品| 亚洲欧美日韩无卡精品| 亚洲av免费高清在线观看| 麻豆一二三区av精品| 日韩成人在线观看一区二区三区| 亚洲五月婷婷丁香| 欧美+日韩+精品| 日本 av在线| 禁无遮挡网站| 亚洲国产日韩欧美精品在线观看| 精品国产三级普通话版| 国产精品美女特级片免费视频播放器| h日本视频在线播放| 日韩欧美三级三区| 久久久久性生活片| 亚洲国产高清在线一区二区三| 国产黄a三级三级三级人| 国产视频内射| 变态另类成人亚洲欧美熟女| 乱人视频在线观看| 午夜久久久久精精品| 91久久精品电影网| 美女xxoo啪啪120秒动态图 | 日韩欧美三级三区| 亚洲精品456在线播放app | 亚洲激情在线av| 成人av在线播放网站| 亚洲成av人片在线播放无| 欧美在线黄色| 国产成人av教育| 欧美精品啪啪一区二区三区| АⅤ资源中文在线天堂| 中文字幕免费在线视频6| 成人特级黄色片久久久久久久| 国产精品三级大全| 蜜桃久久精品国产亚洲av| 国产午夜福利久久久久久| 久久久久久久午夜电影| 亚洲精品乱码久久久v下载方式| 国产午夜福利久久久久久| 中文字幕熟女人妻在线| 久久久久精品国产欧美久久久| 我的老师免费观看完整版| 少妇裸体淫交视频免费看高清| 精品久久久久久久久久久久久| 国产高清视频在线播放一区| 女人十人毛片免费观看3o分钟| av在线老鸭窝| 精品久久久久久久久亚洲 | 国产精品一区二区免费欧美| 精华霜和精华液先用哪个| 十八禁人妻一区二区| 少妇的逼水好多| 一区福利在线观看| 国产美女午夜福利| 久久香蕉精品热| 舔av片在线| 国产av一区在线观看免费| 日韩免费av在线播放| 两个人视频免费观看高清| 天堂网av新在线| 无遮挡黄片免费观看| 性色avwww在线观看| 看片在线看免费视频| 美女大奶头视频| 国产亚洲av嫩草精品影院| 国产午夜精品论理片| 国产欧美日韩一区二区三| 午夜激情欧美在线| 亚洲电影在线观看av| 国产精品女同一区二区软件 | 精品国产亚洲在线| 日韩av在线大香蕉| 免费av观看视频| 免费观看精品视频网站| av欧美777| 别揉我奶头~嗯~啊~动态视频| 国产精品乱码一区二三区的特点| 深夜精品福利| 亚洲精品乱码久久久v下载方式| 日韩免费av在线播放| 亚洲国产精品成人综合色| 国产色婷婷99| 五月伊人婷婷丁香| 欧美色欧美亚洲另类二区| 国产亚洲精品久久久久久毛片| 我要看日韩黄色一级片| 亚洲在线观看片| 日韩成人在线观看一区二区三区| 国产麻豆成人av免费视频| .国产精品久久| 亚洲最大成人av| 欧美极品一区二区三区四区| 日韩免费av在线播放| 欧美黑人巨大hd| 日韩欧美在线乱码| 天堂√8在线中文| 色av中文字幕| 亚洲乱码一区二区免费版| 俺也久久电影网| 一本综合久久免费| 综合色av麻豆| 成人一区二区视频在线观看| 在线免费观看的www视频| 欧美中文日本在线观看视频| 男人舔奶头视频| 91久久精品国产一区二区成人| 脱女人内裤的视频| 97超视频在线观看视频| 婷婷丁香在线五月| 中文字幕av成人在线电影| 中亚洲国语对白在线视频| 亚洲午夜理论影院| 少妇的逼好多水| 别揉我奶头 嗯啊视频| 国产精品影院久久| 亚洲国产色片| 在线天堂最新版资源| 国产黄色小视频在线观看| 脱女人内裤的视频| 88av欧美| 国产综合懂色| 亚洲片人在线观看| 中出人妻视频一区二区| 亚洲真实伦在线观看| 给我免费播放毛片高清在线观看| 一个人看的www免费观看视频| 午夜福利免费观看在线| 日日夜夜操网爽| 黄色女人牲交| 午夜福利成人在线免费观看| 色在线成人网| 欧美色欧美亚洲另类二区| 不卡一级毛片| 美女cb高潮喷水在线观看| 757午夜福利合集在线观看| 国产亚洲欧美在线一区二区| 亚洲在线观看片| 日本 av在线| 桃色一区二区三区在线观看| 日韩人妻高清精品专区| 亚洲欧美日韩高清专用| 亚洲国产高清在线一区二区三| av视频在线观看入口| 波多野结衣巨乳人妻| 美女黄网站色视频| 中文字幕免费在线视频6| 精品人妻1区二区| 国产淫片久久久久久久久 | а√天堂www在线а√下载| 99久久精品一区二区三区| 国产91精品成人一区二区三区| 色综合欧美亚洲国产小说| 亚洲精品在线观看二区| 少妇人妻精品综合一区二区 | 18美女黄网站色大片免费观看| 色5月婷婷丁香| 天堂√8在线中文| 国产在视频线在精品| 亚洲国产精品sss在线观看| 一进一出抽搐动态| 老熟妇仑乱视频hdxx| 久久久久九九精品影院| 在线观看免费视频日本深夜| 欧美成人性av电影在线观看| 国产成+人综合+亚洲专区| 国产三级黄色录像| 99热精品在线国产| 五月玫瑰六月丁香| 男女那种视频在线观看| 欧美黄色片欧美黄色片| 又黄又爽又刺激的免费视频.| 国产高清激情床上av| 亚洲精品456在线播放app | 亚洲av一区综合| 看片在线看免费视频| 五月玫瑰六月丁香| 午夜精品一区二区三区免费看| www.色视频.com| 成人亚洲精品av一区二区| 午夜福利18| 亚洲成人久久爱视频| 999久久久精品免费观看国产| 色精品久久人妻99蜜桃| 亚洲专区国产一区二区| 91久久精品国产一区二区成人| 成人永久免费在线观看视频| 偷拍熟女少妇极品色| 中文字幕av在线有码专区| 久久人人爽人人爽人人片va | 午夜福利欧美成人| 91麻豆av在线| 精品久久久久久久久亚洲 | 99国产精品一区二区三区| 国产精品精品国产色婷婷| 国产伦精品一区二区三区四那| 国产高清视频在线观看网站| 夜夜躁狠狠躁天天躁| 亚洲,欧美精品.| 日韩欧美国产在线观看| 丰满人妻一区二区三区视频av| 亚洲avbb在线观看| 久久这里只有精品中国| 成年女人毛片免费观看观看9| 午夜免费成人在线视频| 麻豆av噜噜一区二区三区| 国产精品影院久久| 最新在线观看一区二区三区| 欧美日本亚洲视频在线播放| 性欧美人与动物交配| 97碰自拍视频| 欧美成人一区二区免费高清观看| 国产激情偷乱视频一区二区| www.色视频.com| 亚洲一区高清亚洲精品| 99久久久亚洲精品蜜臀av| 中亚洲国语对白在线视频| 欧美激情国产日韩精品一区| 久久精品影院6| 又爽又黄a免费视频| 国产三级中文精品| 国产精华一区二区三区| 国产精品国产高清国产av| 欧美性感艳星| 免费在线观看日本一区| 久久精品国产自在天天线| 国内精品久久久久久久电影| 全区人妻精品视频| 一夜夜www| 十八禁国产超污无遮挡网站| 久久国产乱子伦精品免费另类| 毛片女人毛片| 色综合婷婷激情| 深夜精品福利| 欧美另类亚洲清纯唯美| 成人国产一区最新在线观看| 久久久久九九精品影院| 精品福利观看| 国产精品女同一区二区软件 | 国产激情偷乱视频一区二区| 国产蜜桃级精品一区二区三区| 一进一出抽搐动态| 国产精品av视频在线免费观看| 国产成人影院久久av| 国产午夜精品论理片| 亚洲精品色激情综合| 级片在线观看| 日本精品一区二区三区蜜桃| 免费人成在线观看视频色| 国产黄a三级三级三级人| 免费人成在线观看视频色| 有码 亚洲区| 窝窝影院91人妻| 色哟哟·www| 精品久久久久久久人妻蜜臀av| 亚洲熟妇中文字幕五十中出| 免费人成在线观看视频色| 精品久久国产蜜桃| 国产精品人妻久久久久久| 亚洲狠狠婷婷综合久久图片| 99国产精品一区二区三区| 岛国在线免费视频观看| 变态另类成人亚洲欧美熟女| 欧美成狂野欧美在线观看| 我的老师免费观看完整版| 久99久视频精品免费| 大型黄色视频在线免费观看| 桃色一区二区三区在线观看| 色噜噜av男人的天堂激情| 亚洲国产精品久久男人天堂| 香蕉av资源在线| 亚洲av成人精品一区久久| 国产av不卡久久| 99精品在免费线老司机午夜| 久久久精品欧美日韩精品| 久久久久久久久久成人| 一个人观看的视频www高清免费观看| 精品福利观看| 毛片女人毛片| 97碰自拍视频| 如何舔出高潮| 国产精品一及| 欧美最黄视频在线播放免费| 亚洲av.av天堂| 老司机午夜福利在线观看视频| 在线观看av片永久免费下载| 十八禁人妻一区二区| 亚洲色图av天堂| 我要看日韩黄色一级片| 国产综合懂色| 亚洲国产精品999在线| 国产人妻一区二区三区在| 麻豆成人av在线观看| 性色av乱码一区二区三区2| 美女被艹到高潮喷水动态| 免费av毛片视频| 最新在线观看一区二区三区| 国产高潮美女av| 久久久久九九精品影院| 亚洲av五月六月丁香网| 深爱激情五月婷婷| 精品久久久久久久人妻蜜臀av| 88av欧美| 九色国产91popny在线| av欧美777| 久久久国产成人精品二区| 无遮挡黄片免费观看| 国产精品久久电影中文字幕| 亚洲av免费在线观看| 国产激情偷乱视频一区二区| 午夜亚洲福利在线播放| 精品不卡国产一区二区三区| 成年人黄色毛片网站| 亚洲国产高清在线一区二区三| 69av精品久久久久久| 91狼人影院| 长腿黑丝高跟| 日韩欧美国产在线观看| 国产精品av视频在线免费观看| 色综合欧美亚洲国产小说| 国产精品久久久久久精品电影| 亚洲在线自拍视频| 国产精品精品国产色婷婷| 婷婷亚洲欧美| 亚洲欧美日韩高清专用| 亚洲乱码一区二区免费版| 免费黄网站久久成人精品 | 国产激情偷乱视频一区二区| 搡老妇女老女人老熟妇| 看十八女毛片水多多多| 久久久国产成人免费| 免费看a级黄色片| 免费黄网站久久成人精品 | 国产精品亚洲美女久久久| 毛片一级片免费看久久久久 | 日韩欧美精品v在线| 久久伊人香网站| 国产成年人精品一区二区| 波多野结衣巨乳人妻| 一夜夜www| 国产视频一区二区在线看| ponron亚洲| 国产中年淑女户外野战色| 欧美日本亚洲视频在线播放| www.熟女人妻精品国产| 国产精品三级大全| 757午夜福利合集在线观看| 国产成人影院久久av| 亚洲专区中文字幕在线| 亚洲av不卡在线观看| 欧美午夜高清在线| 看黄色毛片网站| 69av精品久久久久久| 午夜福利在线观看免费完整高清在 | 亚洲人成网站高清观看| 国产一区二区亚洲精品在线观看| 搞女人的毛片| 免费观看的影片在线观看| 久久久久亚洲av毛片大全| 亚洲欧美精品综合久久99| 在线免费观看的www视频| 真人做人爱边吃奶动态| 亚洲国产精品成人综合色| 身体一侧抽搐| 亚洲精品456在线播放app | 真人一进一出gif抽搐免费| 日本与韩国留学比较| 高清在线国产一区| 国产一区二区激情短视频| 国产免费男女视频| 亚洲最大成人手机在线| 欧美又色又爽又黄视频| 国产精品永久免费网站| 成人特级av手机在线观看| 99久久九九国产精品国产免费| 国产精品嫩草影院av在线观看 | 美女黄网站色视频| 亚洲国产日韩欧美精品在线观看| 亚洲精品久久国产高清桃花| 波多野结衣高清无吗| 一卡2卡三卡四卡精品乱码亚洲| 波多野结衣高清作品| 一本综合久久免费| 免费观看的影片在线观看| 2021天堂中文幕一二区在线观| 黄色丝袜av网址大全| 久久久久久久午夜电影| 一个人看的www免费观看视频| 精品熟女少妇八av免费久了| 最新中文字幕久久久久| 免费一级毛片在线播放高清视频| 啪啪无遮挡十八禁网站| 国产精品综合久久久久久久免费| 一卡2卡三卡四卡精品乱码亚洲| 久久精品影院6| 欧美精品啪啪一区二区三区| 麻豆成人午夜福利视频| 少妇丰满av| 亚洲三级黄色毛片| 欧美激情在线99| 亚洲成人久久性| 色综合欧美亚洲国产小说| 久久人人爽人人爽人人片va | 黄色视频,在线免费观看| 国产精品1区2区在线观看.| 国产精品美女特级片免费视频播放器| 亚洲片人在线观看| 亚洲中文日韩欧美视频| 亚洲精品久久国产高清桃花| 欧美日本亚洲视频在线播放| 久久久久久久亚洲中文字幕 | 日本黄色视频三级网站网址| 日本撒尿小便嘘嘘汇集6| 久久久久久久久大av| 中文资源天堂在线| 99riav亚洲国产免费| 日本与韩国留学比较| 又黄又爽又刺激的免费视频.| 在线观看美女被高潮喷水网站 | 精品久久久久久久末码| 精品人妻1区二区| 最近最新中文字幕大全电影3| 嫩草影院精品99| 亚洲国产高清在线一区二区三| 成人鲁丝片一二三区免费| 亚洲18禁久久av| 亚洲最大成人中文| 可以在线观看的亚洲视频| 久久这里只有精品中国| 最近最新中文字幕大全电影3| 少妇的逼好多水| 91九色精品人成在线观看| 亚洲国产欧洲综合997久久,| 亚洲av免费高清在线观看| 乱码一卡2卡4卡精品| 丰满乱子伦码专区| 91九色精品人成在线观看| 欧美黑人巨大hd| 1000部很黄的大片| 久久久国产成人精品二区| 婷婷精品国产亚洲av在线| 在现免费观看毛片| 久久精品人妻少妇| 91麻豆av在线| 五月玫瑰六月丁香| 国产精品亚洲美女久久久| 中亚洲国语对白在线视频| 三级国产精品欧美在线观看| 国产成人aa在线观看| 无遮挡黄片免费观看| 欧美另类亚洲清纯唯美| 97超视频在线观看视频| 欧美高清成人免费视频www| 欧美在线一区亚洲| 国产精品一区二区性色av| 国产亚洲欧美98| 亚洲av.av天堂| 亚洲午夜理论影院| 最近视频中文字幕2019在线8| 日韩精品中文字幕看吧| 青草久久国产| 嫩草影视91久久| 亚洲av不卡在线观看| www.999成人在线观看| 国产伦一二天堂av在线观看| 中国美女看黄片| 日韩人妻高清精品专区| 老司机福利观看| 亚洲熟妇中文字幕五十中出| 欧美乱色亚洲激情| 久久午夜福利片| 亚洲精品亚洲一区二区| 国产成人啪精品午夜网站| 久久精品影院6| 欧美绝顶高潮抽搐喷水| 一区二区三区免费毛片| 在线观看av片永久免费下载| 夜夜夜夜夜久久久久| 九九久久精品国产亚洲av麻豆| 欧美最黄视频在线播放免费| 精品免费久久久久久久清纯| 国产精品久久久久久久电影| 日韩有码中文字幕| 少妇被粗大猛烈的视频| 免费观看精品视频网站| 午夜亚洲福利在线播放|