• <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
    丰满迷人的少妇在线观看| 女生性感内裤真人,穿戴方法视频| 三上悠亚av全集在线观看| 亚洲国产欧美网| 国产亚洲欧美精品永久| 91麻豆av在线| 桃色一区二区三区在线观看| 国产精品九九99| 国产男靠女视频免费网站| av电影中文网址| 99热国产这里只有精品6| 国产亚洲欧美在线一区二区| 国产xxxxx性猛交| 久久久久久免费高清国产稀缺| 久久精品国产综合久久久| 美女扒开内裤让男人捅视频| 免费看十八禁软件| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲专区中文字幕在线| 成人精品一区二区免费| 老司机午夜福利在线观看视频| www.www免费av| 久久中文字幕人妻熟女| 欧美黑人精品巨大| 不卡一级毛片| 欧美激情久久久久久爽电影 | 久久99一区二区三区| 最好的美女福利视频网| 人人澡人人妻人| 香蕉国产在线看| 国产精品久久久人人做人人爽| 亚洲国产精品合色在线| 91麻豆av在线| 老鸭窝网址在线观看| 免费少妇av软件| 在线观看舔阴道视频| 男人的好看免费观看在线视频 | 欧美精品亚洲一区二区| 久久香蕉激情| 大陆偷拍与自拍| 99国产极品粉嫩在线观看| xxxhd国产人妻xxx| 麻豆国产av国片精品| 91精品三级在线观看| 国产精品综合久久久久久久免费 | 中国美女看黄片| 久久狼人影院| 国产精品亚洲一级av第二区| 国产激情久久老熟女| 欧美日韩中文字幕国产精品一区二区三区 | www日本在线高清视频| 精品欧美一区二区三区在线| 亚洲aⅴ乱码一区二区在线播放 | 国产欧美日韩一区二区三区在线| 精品国产乱子伦一区二区三区| 精品国产一区二区久久| 叶爱在线成人免费视频播放| 午夜影院日韩av| 两性午夜刺激爽爽歪歪视频在线观看 | 国产亚洲精品第一综合不卡| 精品国产国语对白av| 校园春色视频在线观看| tocl精华| 国产成人精品久久二区二区91| 国产精品爽爽va在线观看网站 | 亚洲熟妇熟女久久| 激情视频va一区二区三区| 黄色怎么调成土黄色| 热99re8久久精品国产| 精品福利永久在线观看| 99精品欧美一区二区三区四区| 国产在线观看jvid| 老司机靠b影院| 91九色精品人成在线观看| 欧美成人免费av一区二区三区| 中出人妻视频一区二区| 午夜亚洲福利在线播放| 两个人免费观看高清视频| 日本免费一区二区三区高清不卡 | 国产aⅴ精品一区二区三区波| 久久久国产成人精品二区 | 在线国产一区二区在线| 亚洲男人的天堂狠狠| 亚洲色图 男人天堂 中文字幕| 国产午夜精品久久久久久| 欧美在线黄色| 自线自在国产av| 一级a爱视频在线免费观看| 亚洲在线自拍视频| 91麻豆av在线| 亚洲欧美一区二区三区黑人| 久久青草综合色| 日本三级黄在线观看| 久久久久九九精品影院| 亚洲全国av大片| 看免费av毛片| 日韩欧美在线二视频| 99热国产这里只有精品6| 在线看a的网站| 国产欧美日韩一区二区三| 国产高清视频在线播放一区| 精品久久久精品久久久| 高清在线国产一区| 精品熟女少妇八av免费久了| 久久人妻熟女aⅴ| 国产主播在线观看一区二区| 色哟哟哟哟哟哟| 国产伦一二天堂av在线观看| xxx96com| 久久久国产成人精品二区 | 日韩国内少妇激情av| 一级片'在线观看视频| 国产精华一区二区三区| 丝袜美腿诱惑在线| 国产精品免费一区二区三区在线| 自线自在国产av| 女同久久另类99精品国产91| xxxhd国产人妻xxx| 高清av免费在线| 国产精品偷伦视频观看了| 久久久久久大精品| 免费少妇av软件| 99久久久亚洲精品蜜臀av| 在线观看舔阴道视频| 成人影院久久| 国产欧美日韩综合在线一区二区| 国产区一区二久久| 夜夜爽天天搞| 美女高潮到喷水免费观看| 黄色女人牲交| 久久久久亚洲av毛片大全| 老汉色∧v一级毛片| 日本黄色视频三级网站网址| 欧美日韩av久久| 欧美乱色亚洲激情| 黄色毛片三级朝国网站| 国产aⅴ精品一区二区三区波| 成人三级做爰电影| 免费在线观看黄色视频的| 真人一进一出gif抽搐免费| 母亲3免费完整高清在线观看| videosex国产| 黄色视频不卡| 一二三四社区在线视频社区8| 欧美黄色片欧美黄色片| 国产xxxxx性猛交| 新久久久久国产一级毛片| 黄网站色视频无遮挡免费观看| 精品卡一卡二卡四卡免费| xxx96com| 中出人妻视频一区二区| 操美女的视频在线观看| 欧美成狂野欧美在线观看| 久久亚洲真实| 琪琪午夜伦伦电影理论片6080| 国产午夜精品久久久久久| 男女床上黄色一级片免费看| 国产精品一区二区三区四区久久 | 成在线人永久免费视频| 日韩欧美免费精品| 一夜夜www| 久久人妻熟女aⅴ| 母亲3免费完整高清在线观看| 丝袜人妻中文字幕| 嫁个100分男人电影在线观看| a在线观看视频网站| 亚洲一区二区三区欧美精品| 视频在线观看一区二区三区| 这个男人来自地球电影免费观看| 日韩高清综合在线| 欧美成狂野欧美在线观看| 欧美色视频一区免费| 国产极品粉嫩免费观看在线| 午夜精品在线福利| 黄片大片在线免费观看| 十八禁人妻一区二区| 欧美精品一区二区免费开放| 久久久久久久久久久久大奶| 免费人成视频x8x8入口观看| 一夜夜www| 亚洲一码二码三码区别大吗| 久久人妻熟女aⅴ| 狠狠狠狠99中文字幕| 黄频高清免费视频| 国产成人精品久久二区二区91| 国产精品久久视频播放| 国产成人影院久久av| 精品免费久久久久久久清纯| 69av精品久久久久久| 又大又爽又粗| 91国产中文字幕| 久99久视频精品免费| bbb黄色大片| 国产单亲对白刺激| 99久久精品国产亚洲精品| 97超级碰碰碰精品色视频在线观看| 狂野欧美激情性xxxx| 日韩欧美在线二视频| 国产日韩一区二区三区精品不卡| 国产aⅴ精品一区二区三区波| 亚洲av片天天在线观看| 久久久久国产精品人妻aⅴ院| 精品国产超薄肉色丝袜足j| 色哟哟哟哟哟哟| 韩国精品一区二区三区| 亚洲少妇的诱惑av| 亚洲国产精品999在线| av在线播放免费不卡| 黄色女人牲交| 19禁男女啪啪无遮挡网站| 老汉色av国产亚洲站长工具| 亚洲熟妇熟女久久| 天堂动漫精品| 久久久久久大精品| 香蕉丝袜av| 日韩欧美免费精品| 51午夜福利影视在线观看| 淫秽高清视频在线观看| 国产有黄有色有爽视频| 满18在线观看网站| 久久亚洲真实| 如日韩欧美国产精品一区二区三区| 日本免费a在线| 母亲3免费完整高清在线观看| 国产成人系列免费观看| 动漫黄色视频在线观看| 夜夜看夜夜爽夜夜摸 | 成人av一区二区三区在线看| 亚洲精品国产区一区二| 97碰自拍视频| 一级a爱片免费观看的视频| avwww免费| 日本精品一区二区三区蜜桃| 亚洲性夜色夜夜综合| 日韩人妻精品一区2区三区| 久9热在线精品视频| 日本vs欧美在线观看视频| 法律面前人人平等表现在哪些方面| 多毛熟女@视频| 日日夜夜操网爽| 不卡av一区二区三区| 水蜜桃什么品种好| 国产欧美日韩一区二区三区在线| 日韩 欧美 亚洲 中文字幕| 欧美黑人欧美精品刺激| 亚洲av第一区精品v没综合| 99riav亚洲国产免费| 免费不卡黄色视频| 亚洲精品国产色婷婷电影| 热re99久久国产66热| 激情在线观看视频在线高清| 久久婷婷成人综合色麻豆| 天天影视国产精品| 国产欧美日韩精品亚洲av| 欧美成人性av电影在线观看| 99精品久久久久人妻精品| 欧美日韩亚洲国产一区二区在线观看| 高潮久久久久久久久久久不卡| 两性午夜刺激爽爽歪歪视频在线观看 | 久久草成人影院| 欧美性长视频在线观看| 亚洲第一av免费看| 国产精品一区二区三区四区久久 | 一级作爱视频免费观看| aaaaa片日本免费| 9色porny在线观看| 亚洲午夜精品一区,二区,三区| 国产精品综合久久久久久久免费 | 一级毛片女人18水好多| 午夜激情av网站| 波多野结衣高清无吗| 亚洲男人天堂网一区| 久久亚洲真实| 国产亚洲欧美98| 黑人欧美特级aaaaaa片| av电影中文网址| 国产成人精品久久二区二区免费| 777久久人妻少妇嫩草av网站| 精品卡一卡二卡四卡免费| 国产一区二区三区视频了| 国产精品香港三级国产av潘金莲| 露出奶头的视频| 国产精华一区二区三区| 欧美中文综合在线视频| 高清欧美精品videossex| 成人国产一区最新在线观看| 欧美老熟妇乱子伦牲交| 黑丝袜美女国产一区| 午夜老司机福利片| 人人妻人人添人人爽欧美一区卜| 亚洲专区国产一区二区| 亚洲全国av大片| 久久天堂一区二区三区四区| 69av精品久久久久久| 在线av久久热| 国产1区2区3区精品| 丰满饥渴人妻一区二区三| 国产真人三级小视频在线观看| 淫秽高清视频在线观看| 又大又爽又粗| 亚洲精品国产一区二区精华液| 777久久人妻少妇嫩草av网站| av电影中文网址| 12—13女人毛片做爰片一| 一进一出好大好爽视频| 在线看a的网站| 久99久视频精品免费| 亚洲欧洲精品一区二区精品久久久| 成人永久免费在线观看视频| 久久久久久人人人人人| 亚洲激情在线av| 交换朋友夫妻互换小说| 成人国语在线视频| 在线国产一区二区在线| 国产高清视频在线播放一区| 在线永久观看黄色视频| 亚洲欧美一区二区三区黑人| tocl精华| 久久人妻av系列| 无限看片的www在线观看| 两人在一起打扑克的视频| 成人三级黄色视频| 99热国产这里只有精品6| 国产99久久九九免费精品| 久久性视频一级片| 久久久久久久久久久久大奶| 亚洲欧美激情综合另类| 高清在线国产一区| 岛国在线观看网站| 好男人电影高清在线观看| 亚洲精品久久成人aⅴ小说| 中文字幕人妻丝袜一区二区| 免费搜索国产男女视频| 69av精品久久久久久| 日本a在线网址| 在线观看免费午夜福利视频| 精品日产1卡2卡| 欧美中文日本在线观看视频| 脱女人内裤的视频| 午夜免费鲁丝| 久久精品亚洲熟妇少妇任你| ponron亚洲| 精品国产美女av久久久久小说| 91av网站免费观看| 人人妻人人澡人人看| 人人妻人人添人人爽欧美一区卜| 国产亚洲av高清不卡| 国产又色又爽无遮挡免费看| 99精国产麻豆久久婷婷| 国产精品秋霞免费鲁丝片| 黑人猛操日本美女一级片| a级毛片黄视频| 久久欧美精品欧美久久欧美| av有码第一页| 在线观看免费午夜福利视频| 窝窝影院91人妻| 免费在线观看影片大全网站| 亚洲av成人av| 超色免费av| 欧美另类亚洲清纯唯美| 亚洲va日本ⅴa欧美va伊人久久| 黑人巨大精品欧美一区二区蜜桃| 亚洲熟妇熟女久久| 欧美色视频一区免费| 国产精品电影一区二区三区| 99久久久亚洲精品蜜臀av| 亚洲熟妇中文字幕五十中出 | 国产精品一区二区免费欧美| 亚洲国产精品合色在线| 亚洲美女黄片视频| 欧美精品一区二区免费开放| 50天的宝宝边吃奶边哭怎么回事| 国产精品1区2区在线观看.| 日韩精品免费视频一区二区三区| 日韩欧美免费精品| 久久久久久亚洲精品国产蜜桃av| 在线国产一区二区在线| 亚洲精品一区av在线观看| 亚洲人成77777在线视频| 国产极品粉嫩免费观看在线| 国产人伦9x9x在线观看| 又紧又爽又黄一区二区| 欧美av亚洲av综合av国产av| 香蕉丝袜av| 夜夜夜夜夜久久久久| 好看av亚洲va欧美ⅴa在| 欧美日本亚洲视频在线播放| 午夜福利免费观看在线| 欧美日韩一级在线毛片| 热re99久久国产66热| 亚洲少妇的诱惑av| 狠狠狠狠99中文字幕| 国产精品 欧美亚洲| 女同久久另类99精品国产91| 亚洲av美国av| 国产精品美女特级片免费视频播放器 | 亚洲va日本ⅴa欧美va伊人久久| 神马国产精品三级电影在线观看 | 国产av在哪里看| 欧美激情极品国产一区二区三区| 十八禁人妻一区二区| 免费av中文字幕在线| 欧美国产精品va在线观看不卡| 日韩成人在线观看一区二区三区| 久久久久久久午夜电影 | 日韩精品中文字幕看吧| 欧美在线黄色| 国产伦人伦偷精品视频| 欧美成人免费av一区二区三区| 曰老女人黄片| 一进一出好大好爽视频| 亚洲五月婷婷丁香| 精品国产乱子伦一区二区三区| 丰满饥渴人妻一区二区三| 久久久水蜜桃国产精品网| 99精品久久久久人妻精品| 亚洲国产欧美网| 久久欧美精品欧美久久欧美| 日韩欧美免费精品| 中出人妻视频一区二区| 国产精品99久久99久久久不卡| 日韩欧美三级三区| 欧美精品一区二区免费开放| 一区二区三区国产精品乱码| 久久国产乱子伦精品免费另类| 亚洲av熟女| 校园春色视频在线观看| 亚洲精品成人av观看孕妇| 日本精品一区二区三区蜜桃| 后天国语完整版免费观看| xxx96com| 日本免费一区二区三区高清不卡 | av中文乱码字幕在线| 69av精品久久久久久| 久久影院123| 天天躁夜夜躁狠狠躁躁| 久久人妻福利社区极品人妻图片| 美女扒开内裤让男人捅视频| 日本黄色视频三级网站网址| 亚洲中文av在线| 欧美激情高清一区二区三区| 精品熟女少妇八av免费久了| 色婷婷久久久亚洲欧美| 深夜精品福利| 女人被狂操c到高潮| a级毛片黄视频| 日韩欧美一区视频在线观看| 在线观看免费日韩欧美大片| 亚洲中文日韩欧美视频| av在线播放免费不卡| 99精品久久久久人妻精品| 色老头精品视频在线观看| 日本精品一区二区三区蜜桃| e午夜精品久久久久久久| 国产视频一区二区在线看| 久久精品人人爽人人爽视色| 日本三级黄在线观看| 好男人电影高清在线观看| 免费搜索国产男女视频| 午夜免费鲁丝| 国产又爽黄色视频| 午夜精品久久久久久毛片777| 中文字幕精品免费在线观看视频| 亚洲视频免费观看视频| 日本撒尿小便嘘嘘汇集6| 欧美成人午夜精品| 欧美激情高清一区二区三区| 亚洲情色 制服丝袜| 欧美日本亚洲视频在线播放| 如日韩欧美国产精品一区二区三区| 国产精品乱码一区二三区的特点 | 99热只有精品国产| 久久精品国产99精品国产亚洲性色 | 久久久久久久久久久久大奶| 国产精品野战在线观看 | 大码成人一级视频| 欧美亚洲日本最大视频资源| 精品福利永久在线观看| 91在线观看av| 99热只有精品国产| 欧美中文日本在线观看视频| 在线观看www视频免费| 男女之事视频高清在线观看| 午夜免费鲁丝| 国产精品香港三级国产av潘金莲| 亚洲人成电影免费在线| 欧美不卡视频在线免费观看 | 日韩视频一区二区在线观看| 日韩欧美在线二视频| 黄色 视频免费看| 久久精品国产亚洲av高清一级| 脱女人内裤的视频| 搡老岳熟女国产| 99热国产这里只有精品6| 欧美日韩av久久| 精品久久久久久久毛片微露脸| 正在播放国产对白刺激| 亚洲伊人色综图| 日韩高清综合在线| 无限看片的www在线观看| 亚洲熟妇熟女久久| 欧美成人免费av一区二区三区| 欧美亚洲日本最大视频资源| 免费女性裸体啪啪无遮挡网站| 人人妻人人添人人爽欧美一区卜| 精品一区二区三卡| 国产熟女午夜一区二区三区| 亚洲自偷自拍图片 自拍| 免费在线观看完整版高清| 夜夜夜夜夜久久久久| 黄色 视频免费看| 免费看十八禁软件| 国产亚洲精品一区二区www| 亚洲久久久国产精品| 大码成人一级视频| 一进一出抽搐gif免费好疼 | 亚洲自偷自拍图片 自拍| 啦啦啦 在线观看视频| 午夜久久久在线观看| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 在线观看66精品国产| 精品免费久久久久久久清纯| av国产精品久久久久影院| 久久亚洲精品不卡| 久久精品国产99精品国产亚洲性色 | 少妇裸体淫交视频免费看高清 | 国产精品 国内视频| 成人永久免费在线观看视频| 免费高清视频大片| av网站在线播放免费| 三上悠亚av全集在线观看| 老鸭窝网址在线观看| 看黄色毛片网站| 美女高潮喷水抽搐中文字幕| 欧美另类亚洲清纯唯美| 嫩草影视91久久| 久久天躁狠狠躁夜夜2o2o| 欧美乱码精品一区二区三区| 亚洲熟妇中文字幕五十中出 | 999精品在线视频| 亚洲aⅴ乱码一区二区在线播放 | 丝袜美足系列| 国产精品国产av在线观看| 成年女人毛片免费观看观看9| 老汉色∧v一级毛片| 国产成人精品久久二区二区91| 麻豆一二三区av精品| 欧美午夜高清在线| 少妇的丰满在线观看| 自线自在国产av| 男人的好看免费观看在线视频 | 亚洲欧美一区二区三区久久| 亚洲视频免费观看视频| 成人三级做爰电影| 欧美日本亚洲视频在线播放| 99精品久久久久人妻精品| 精品少妇一区二区三区视频日本电影| 成在线人永久免费视频| 午夜免费鲁丝| 99热只有精品国产| 国产高清国产精品国产三级| 另类亚洲欧美激情| 亚洲男人的天堂狠狠| 欧美av亚洲av综合av国产av| 精品无人区乱码1区二区| 久久久久久人人人人人| 久久天躁狠狠躁夜夜2o2o| 在线十欧美十亚洲十日本专区| 极品教师在线免费播放| 黄色毛片三级朝国网站| 亚洲,欧美精品.| 久久久久精品国产欧美久久久| 精品人妻在线不人妻| 亚洲男人的天堂狠狠| 天天躁狠狠躁夜夜躁狠狠躁| 两人在一起打扑克的视频| 丰满迷人的少妇在线观看| 色在线成人网| 色婷婷av一区二区三区视频| 三上悠亚av全集在线观看| 99在线视频只有这里精品首页| 妹子高潮喷水视频| www.www免费av| 夜夜看夜夜爽夜夜摸 | 亚洲欧美激情综合另类| 亚洲专区中文字幕在线| 亚洲人成电影免费在线| 国产精品综合久久久久久久免费 | 久久精品aⅴ一区二区三区四区| 精品久久久久久成人av| 日韩精品免费视频一区二区三区| 99久久综合精品五月天人人| 国产不卡一卡二| 午夜久久久在线观看| 国产不卡一卡二| 夫妻午夜视频| 在线永久观看黄色视频| 成人18禁在线播放| 91麻豆精品激情在线观看国产 | 国产一区在线观看成人免费| 久久久久国产一级毛片高清牌| 一级a爱片免费观看的视频| 色综合欧美亚洲国产小说| 国产精品香港三级国产av潘金莲| www.精华液| 男女做爰动态图高潮gif福利片 | 国产欧美日韩一区二区三| 人人妻人人澡人人看| 精品国产超薄肉色丝袜足j| 午夜福利在线观看吧| 成年版毛片免费区| 国产有黄有色有爽视频| 精品一区二区三区av网在线观看| 两个人免费观看高清视频|