• <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
    亚洲精品在线观看二区| 亚洲美女黄片视频| 国产亚洲91精品色在线| 99在线视频只有这里精品首页| 亚洲av不卡在线观看| 久久久久免费精品人妻一区二区| 免费看a级黄色片| 国产欧美日韩精品亚洲av| а√天堂www在线а√下载| 亚洲人成伊人成综合网2020| 国产亚洲精品av在线| 国产精品一区二区性色av| 久久99热这里只有精品18| 国产高清有码在线观看视频| 亚洲av不卡在线观看| 欧美+日韩+精品| 日韩精品青青久久久久久| 欧美精品国产亚洲| 久99久视频精品免费| 国产精品一区二区免费欧美| 亚洲中文字幕一区二区三区有码在线看| 久久精品国产亚洲av香蕉五月| 成人午夜高清在线视频| 亚洲精品456在线播放app | 精品国产三级普通话版| 最近最新免费中文字幕在线| 国产av一区在线观看免费| 国产精品一区二区三区四区免费观看 | 国产午夜精品论理片| 精品人妻偷拍中文字幕| 中文字幕熟女人妻在线| 狂野欧美白嫩少妇大欣赏| 美女被艹到高潮喷水动态| 三级国产精品欧美在线观看| 亚洲熟妇熟女久久| 国产中年淑女户外野战色| 精品久久久久久久人妻蜜臀av| 1000部很黄的大片| 日本精品一区二区三区蜜桃| 国产成人aa在线观看| 啦啦啦韩国在线观看视频| 不卡一级毛片| 久久久久久久午夜电影| x7x7x7水蜜桃| 国产精品人妻久久久久久| 日本免费一区二区三区高清不卡| 色哟哟·www| 亚洲国产色片| 国产亚洲精品综合一区在线观看| 少妇人妻一区二区三区视频| 嫩草影院入口| 精品一区二区三区av网在线观看| 欧美一区二区精品小视频在线| 国产欧美日韩精品亚洲av| 欧美色视频一区免费| 淫妇啪啪啪对白视频| 久久精品91蜜桃| 国产精品免费一区二区三区在线| 久久久国产成人免费| 成人综合一区亚洲| 亚洲精品亚洲一区二区| 超碰av人人做人人爽久久| 桃色一区二区三区在线观看| 成人永久免费在线观看视频| 婷婷色综合大香蕉| a在线观看视频网站| 99久久成人亚洲精品观看| av福利片在线观看| 久久精品影院6| 日本a在线网址| 精品人妻熟女av久视频| 日韩在线高清观看一区二区三区 | 免费观看的影片在线观看| 又黄又爽又刺激的免费视频.| 国产午夜福利久久久久久| 美女高潮喷水抽搐中文字幕| 精品人妻熟女av久视频| 特级一级黄色大片| 国产精品久久久久久精品电影| 久久久久国内视频| 国产av麻豆久久久久久久| 日本免费一区二区三区高清不卡| 国产一区二区三区在线臀色熟女| 夜夜夜夜夜久久久久| 色5月婷婷丁香| 久久人人精品亚洲av| 日本免费a在线| 欧美丝袜亚洲另类 | 精品久久久久久久末码| 观看免费一级毛片| 国产午夜福利久久久久久| 天堂√8在线中文| 欧美色视频一区免费| 日韩一区二区视频免费看| 亚洲精品亚洲一区二区| 91久久精品国产一区二区成人| 久久精品国产亚洲av天美| 精品不卡国产一区二区三区| 亚洲无线在线观看| 一卡2卡三卡四卡精品乱码亚洲| 精品福利观看| 高清日韩中文字幕在线| 国产精品一区www在线观看 | 毛片一级片免费看久久久久 | 黄片wwwwww| 免费搜索国产男女视频| 亚洲欧美日韩高清在线视频| 国产一区二区三区av在线 | 噜噜噜噜噜久久久久久91| 麻豆av噜噜一区二区三区| 黄色一级大片看看| 国产精品人妻久久久影院| 久99久视频精品免费| 在线观看舔阴道视频| 精华霜和精华液先用哪个| 啪啪无遮挡十八禁网站| 日韩大尺度精品在线看网址| 国产av在哪里看| 观看美女的网站| 女的被弄到高潮叫床怎么办 | 一本久久中文字幕| 色综合婷婷激情| 亚洲精品日韩av片在线观看| 欧美成人一区二区免费高清观看| 亚洲三级黄色毛片| 亚洲美女黄片视频| 久久九九热精品免费| 精品国内亚洲2022精品成人| 一区二区三区高清视频在线| 久久6这里有精品| 又爽又黄a免费视频| 免费观看在线日韩| 成年女人永久免费观看视频| 九九爱精品视频在线观看| 国产精品久久久久久久电影| 成人特级av手机在线观看| 在线看三级毛片| 黄色配什么色好看| 88av欧美| 一级av片app| 搞女人的毛片| 国产私拍福利视频在线观看| 欧美成人a在线观看| 久久草成人影院| 亚洲,欧美,日韩| 免费在线观看影片大全网站| 日本a在线网址| 老女人水多毛片| 一区二区三区高清视频在线| 69av精品久久久久久| 久久久久精品国产欧美久久久| 日本黄色视频三级网站网址| 欧美日韩乱码在线| 99精品在免费线老司机午夜| eeuss影院久久| videossex国产| 淫妇啪啪啪对白视频| 国产三级中文精品| 国产精品久久视频播放| 免费av观看视频| 国产一区二区在线观看日韩| 最近在线观看免费完整版| 午夜免费男女啪啪视频观看 | 欧美成人性av电影在线观看| 国产探花在线观看一区二区| 国产精品福利在线免费观看| 18禁裸乳无遮挡免费网站照片| 日日夜夜操网爽| 最好的美女福利视频网| 18禁裸乳无遮挡免费网站照片| 波多野结衣巨乳人妻| 一级a爱片免费观看的视频| 日韩欧美精品免费久久| 91在线观看av| 国产精品,欧美在线| 最近在线观看免费完整版| 中文资源天堂在线| 久久亚洲精品不卡| 国产中年淑女户外野战色| 网址你懂的国产日韩在线| 亚洲av免费在线观看| 精品无人区乱码1区二区| 国内精品一区二区在线观看| 丰满人妻一区二区三区视频av| 久9热在线精品视频| 国产午夜精品论理片| 成人国产麻豆网| 午夜福利视频1000在线观看| 欧美日韩国产亚洲二区| 88av欧美| 国产久久久一区二区三区| 不卡一级毛片| 99国产精品一区二区蜜桃av| 欧美潮喷喷水| 91av网一区二区| 午夜免费激情av| 亚洲国产日韩欧美精品在线观看| 亚洲综合色惰| 成人二区视频| 三级国产精品欧美在线观看| 欧美性猛交╳xxx乱大交人| 色av中文字幕| 亚洲中文字幕一区二区三区有码在线看| 淫秽高清视频在线观看| 国产久久久一区二区三区| 国产高清视频在线播放一区| 欧美在线一区亚洲| 成人精品一区二区免费| 香蕉av资源在线| 麻豆成人午夜福利视频| 看十八女毛片水多多多| 波多野结衣高清作品| 美女高潮的动态| 色综合婷婷激情| 国产主播在线观看一区二区| 美女高潮的动态| 三级男女做爰猛烈吃奶摸视频| 99在线人妻在线中文字幕| 日本黄色片子视频| 欧美最新免费一区二区三区| 有码 亚洲区| 成人二区视频| 日本-黄色视频高清免费观看| 国产精品日韩av在线免费观看| 欧美3d第一页| 三级国产精品欧美在线观看| 色精品久久人妻99蜜桃| 一个人看视频在线观看www免费| 国产精品,欧美在线| 免费在线观看成人毛片| av.在线天堂| 久久人人爽人人爽人人片va| 国产精品久久电影中文字幕| 亚洲美女黄片视频| 熟女人妻精品中文字幕| 国产老妇女一区| 99九九线精品视频在线观看视频| 久久久久久久亚洲中文字幕| 久久精品久久久久久噜噜老黄 | 美女大奶头视频| 亚洲欧美清纯卡通| 国产白丝娇喘喷水9色精品| 精品久久久久久久久av| 国产高清三级在线| 精品国产三级普通话版| 一级av片app| 国产女主播在线喷水免费视频网站 | 欧美成人a在线观看| 精品久久久久久久人妻蜜臀av| 他把我摸到了高潮在线观看| 亚洲一区高清亚洲精品| 日韩人妻高清精品专区| 日韩亚洲欧美综合| 日本成人三级电影网站| 日本爱情动作片www.在线观看 | 老熟妇仑乱视频hdxx| 亚洲av第一区精品v没综合| 久久久精品大字幕| 久久婷婷人人爽人人干人人爱| 18禁黄网站禁片午夜丰满| 国产精品98久久久久久宅男小说| 国产精品自产拍在线观看55亚洲| 午夜精品一区二区三区免费看| 欧美日韩精品成人综合77777| 日本黄大片高清| 精品免费久久久久久久清纯| 美女被艹到高潮喷水动态| 色综合亚洲欧美另类图片| 日本撒尿小便嘘嘘汇集6| 夜夜看夜夜爽夜夜摸| 舔av片在线| 男女那种视频在线观看| 男女做爰动态图高潮gif福利片| 好男人在线观看高清免费视频| 婷婷亚洲欧美| 一夜夜www| 真人做人爱边吃奶动态| 国产高清视频在线观看网站| 级片在线观看| 国产伦精品一区二区三区视频9| 午夜福利在线观看吧| 在线国产一区二区在线| 五月玫瑰六月丁香| 又爽又黄a免费视频| av在线观看视频网站免费| 国产成人影院久久av| 亚洲av电影不卡..在线观看| 成人国产综合亚洲| 国产精品女同一区二区软件 | 免费大片18禁| 小蜜桃在线观看免费完整版高清| 免费高清视频大片| 日韩大尺度精品在线看网址| 美女高潮喷水抽搐中文字幕| 久久午夜亚洲精品久久| av在线亚洲专区| 亚洲综合色惰| 午夜激情欧美在线| 久久久久久久久久成人| 男女边吃奶边做爰视频| 欧美一级a爱片免费观看看| 婷婷六月久久综合丁香| 亚洲欧美精品综合久久99| 日韩欧美国产一区二区入口| 国产麻豆成人av免费视频| 全区人妻精品视频| 国模一区二区三区四区视频| 亚洲精品一卡2卡三卡4卡5卡| 超碰av人人做人人爽久久| 国产精品野战在线观看| 天堂√8在线中文| 级片在线观看| 久久久成人免费电影| 成熟少妇高潮喷水视频| 婷婷色综合大香蕉| 91精品国产九色| 午夜影院日韩av| 日韩 亚洲 欧美在线| 日本-黄色视频高清免费观看| 免费人成视频x8x8入口观看| 免费看光身美女| 国产精品女同一区二区软件 | 亚洲黑人精品在线| 国产精品一区二区三区四区免费观看 | 少妇猛男粗大的猛烈进出视频 | 中文资源天堂在线| 噜噜噜噜噜久久久久久91| 免费观看精品视频网站| 亚洲精品粉嫩美女一区| 国产欧美日韩精品一区二区| 亚洲精品粉嫩美女一区| 午夜视频国产福利| 欧美一区二区国产精品久久精品| 日日夜夜操网爽| 国产成年人精品一区二区| 在线播放国产精品三级| 一进一出好大好爽视频| 乱码一卡2卡4卡精品| 日本 av在线| 免费看日本二区| av在线观看视频网站免费| 非洲黑人性xxxx精品又粗又长| 成人av一区二区三区在线看| 亚洲欧美日韩高清专用| 国产极品精品免费视频能看的| 日韩av在线大香蕉| 国产精品99久久久久久久久| 极品教师在线免费播放| 国产成人一区二区在线| 欧美性猛交╳xxx乱大交人| 成人欧美大片| 哪里可以看免费的av片| 国产在线精品亚洲第一网站| 亚洲熟妇中文字幕五十中出| 成人美女网站在线观看视频| 国产欧美日韩精品亚洲av| 老师上课跳d突然被开到最大视频| 婷婷六月久久综合丁香| 日本在线视频免费播放| 最新中文字幕久久久久| 婷婷丁香在线五月| 亚洲成人中文字幕在线播放| 欧美极品一区二区三区四区| 少妇丰满av| 国产精品伦人一区二区| 国产三级在线视频| 色视频www国产| 人人妻人人澡欧美一区二区| 老司机午夜福利在线观看视频| av天堂在线播放| 国产精品美女特级片免费视频播放器| 成人毛片a级毛片在线播放| 亚洲最大成人手机在线| 身体一侧抽搐| 乱系列少妇在线播放| 国产精品一区二区性色av| 桃红色精品国产亚洲av| 国产精品久久久久久久电影| 男人的好看免费观看在线视频| 欧美区成人在线视频| 午夜免费激情av| 麻豆成人av在线观看| 亚洲欧美日韩卡通动漫| 成人国产综合亚洲| 国模一区二区三区四区视频| 夜夜看夜夜爽夜夜摸| 久久久久九九精品影院| 网址你懂的国产日韩在线| 亚洲欧美日韩卡通动漫| 欧美日韩综合久久久久久 | 久久久久久久久久成人| 校园人妻丝袜中文字幕| 熟妇人妻久久中文字幕3abv| 最近中文字幕高清免费大全6 | 免费看美女性在线毛片视频| 老司机深夜福利视频在线观看| 天堂动漫精品| 亚洲欧美日韩高清在线视频| 女生性感内裤真人,穿戴方法视频| 亚洲av中文字字幕乱码综合| or卡值多少钱| 在线观看舔阴道视频| 舔av片在线| 91狼人影院| 我要搜黄色片| 白带黄色成豆腐渣| 欧美xxxx黑人xx丫x性爽| 国产老妇女一区| 国产亚洲精品久久久com| 永久网站在线| x7x7x7水蜜桃| 欧美日本亚洲视频在线播放| 国产精品久久电影中文字幕| 我的女老师完整版在线观看| 亚洲三级黄色毛片| 日韩强制内射视频| 天天一区二区日本电影三级| 亚洲国产精品成人综合色| 又紧又爽又黄一区二区| 在现免费观看毛片| 大型黄色视频在线免费观看| 干丝袜人妻中文字幕| 色在线成人网| 中文字幕免费在线视频6| 免费av毛片视频| 最近最新中文字幕大全电影3| 我的女老师完整版在线观看| 国产精品野战在线观看| 18禁在线播放成人免费| 国产白丝娇喘喷水9色精品| 国产精品久久久久久av不卡| 全区人妻精品视频| 别揉我奶头~嗯~啊~动态视频| 成人毛片a级毛片在线播放| 无人区码免费观看不卡| 美女免费视频网站| 99久久成人亚洲精品观看| 天堂动漫精品| 麻豆一二三区av精品| 最近视频中文字幕2019在线8| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲国产精品成人综合色| 又紧又爽又黄一区二区| 人妻少妇偷人精品九色| av在线观看视频网站免费| 蜜桃亚洲精品一区二区三区| 久久久久久久久大av| 久久久久久久亚洲中文字幕| 草草在线视频免费看| 一区二区三区免费毛片| 久久久久免费精品人妻一区二区| 久久久久久国产a免费观看| 中文字幕高清在线视频| 国产伦人伦偷精品视频| 一级黄色大片毛片| 99精品久久久久人妻精品| 亚洲精品亚洲一区二区| 老司机午夜福利在线观看视频| 热99在线观看视频| 免费在线观看日本一区| 嫩草影院精品99| 国产精品乱码一区二三区的特点| 在线观看午夜福利视频| 一区二区三区高清视频在线| 日本黄色片子视频| 最新中文字幕久久久久| 国产精品一区二区免费欧美| 久久久久久大精品| 欧美日韩瑟瑟在线播放| 日韩欧美精品免费久久| 久久热精品热| 亚洲欧美精品综合久久99| 丰满的人妻完整版| 欧美最黄视频在线播放免费| 我要看日韩黄色一级片| .国产精品久久| 精品欧美国产一区二区三| 嫩草影视91久久| 成人鲁丝片一二三区免费| 久久精品夜夜夜夜夜久久蜜豆| 成人美女网站在线观看视频| 最近视频中文字幕2019在线8| 欧美日韩瑟瑟在线播放| 高清毛片免费观看视频网站| 99国产极品粉嫩在线观看| 女的被弄到高潮叫床怎么办 | 99热精品在线国产| 免费观看人在逋| 免费无遮挡裸体视频| 亚洲欧美清纯卡通| 神马国产精品三级电影在线观看| 日韩欧美在线二视频| 亚洲国产欧洲综合997久久,| 国产精品人妻久久久久久| 亚洲欧美日韩卡通动漫| 我的老师免费观看完整版| 国产视频内射| 国内揄拍国产精品人妻在线| 男女那种视频在线观看| 国产精品自产拍在线观看55亚洲| 在线a可以看的网站| 麻豆国产av国片精品| 日韩一本色道免费dvd| 99久国产av精品| 久久久久久久久久黄片| 真人做人爱边吃奶动态| 嫩草影院新地址| 一个人看的www免费观看视频| 免费观看的影片在线观看| 亚洲专区中文字幕在线| 国产精品伦人一区二区| 香蕉av资源在线| 欧美最黄视频在线播放免费| 亚洲av熟女| 夜夜看夜夜爽夜夜摸| 欧美xxxx性猛交bbbb| eeuss影院久久| 中文字幕久久专区| 超碰av人人做人人爽久久| 国产老妇女一区| aaaaa片日本免费| 午夜福利欧美成人| 亚洲人成网站高清观看| 国内毛片毛片毛片毛片毛片| 又黄又爽又免费观看的视频| a级毛片a级免费在线| 国产成人a区在线观看| 久久久久久久久大av| 欧美成人免费av一区二区三区| 亚洲精品日韩av片在线观看| 成年免费大片在线观看| 色哟哟哟哟哟哟| 日韩高清综合在线| 成年版毛片免费区| 国产高清有码在线观看视频| 永久网站在线| 男人狂女人下面高潮的视频| 国产精品国产三级国产av玫瑰| 成人精品一区二区免费| 欧美在线一区亚洲| 一区二区三区高清视频在线| 亚洲男人的天堂狠狠| 亚洲av成人av| 欧美高清成人免费视频www| 欧美在线一区亚洲| 国产精品综合久久久久久久免费| 可以在线观看的亚洲视频| 91av网一区二区| 久久人妻av系列| 天堂√8在线中文| 国产探花极品一区二区| 好男人在线观看高清免费视频| 精品人妻视频免费看| 国内久久婷婷六月综合欲色啪| 亚州av有码| 免费看光身美女| 男插女下体视频免费在线播放| 国产一区二区三区av在线 | 欧美xxxx性猛交bbbb| 精品久久久久久,| 亚洲av成人精品一区久久| 69人妻影院| 亚洲中文字幕一区二区三区有码在线看| 成年人黄色毛片网站| 亚洲国产精品sss在线观看| 中文字幕久久专区| 精品免费久久久久久久清纯| 亚洲电影在线观看av| 国产单亲对白刺激| 国产精品一区二区三区四区久久| 国产精品99久久久久久久久| 国产亚洲精品久久久com| 精品人妻视频免费看| 99精品在免费线老司机午夜| 搡老妇女老女人老熟妇| 九九在线视频观看精品| 别揉我奶头~嗯~啊~动态视频| 1000部很黄的大片| 免费在线观看成人毛片| 老司机午夜福利在线观看视频| 日本五十路高清| 一级黄片播放器| 天天躁日日操中文字幕| 国产精品国产高清国产av| 校园人妻丝袜中文字幕| 99久久九九国产精品国产免费| 欧美zozozo另类| 国产黄片美女视频| 在线观看午夜福利视频| 看十八女毛片水多多多| 俺也久久电影网| 亚洲一区二区三区色噜噜| 精品一区二区三区视频在线| 成人av一区二区三区在线看| 亚洲成a人片在线一区二区| av中文乱码字幕在线| 亚洲欧美激情综合另类| 大型黄色视频在线免费观看| 热99re8久久精品国产| 久久久久久九九精品二区国产| 国产精品一区www在线观看 | 九九热线精品视视频播放| 久久久久久久久中文| 国产精品女同一区二区软件 | а√天堂www在线а√下载| 国产精品国产高清国产av| 日本 欧美在线| 中文亚洲av片在线观看爽| 1024手机看黄色片| 亚洲精品在线观看二区| 成人二区视频| 久久中文看片网| 亚洲av中文字字幕乱码综合| 变态另类丝袜制服| av在线亚洲专区|