• <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 ?

    基于K均值聚類挖掘的跟車測試場景研究

    2021-12-05 06:37:10黃昆
    汽車文摘 2021年12期
    關(guān)鍵詞:降維均值聚類

    黃昆

    (天津經(jīng)緯恒潤科技有限公司,天津 300385)

    主題詞:跟車測試場景 聚類挖掘 K均值聚類 自動駕駛技術(shù)

    1 引言

    隨著智能駕駛技術(shù)的不斷發(fā)展,特斯拉、蔚來等主機廠已經(jīng)開發(fā)了許多較為完善的先進自動駕駛輔助系統(tǒng)[1-2],例如高速自動輔助駕駛(Highway Pilot,HP)、擁堵自動輔助駕駛[3](Traffic Jam Pilot,TJP)等,然而目前智能駕駛汽車仍無法實現(xiàn)L4及以上的智能駕駛,其技術(shù)發(fā)展仍需要多種自然駕駛場景支持,因此,十分有必要開展各類駕駛場景挖掘研究。

    場景聚類挖掘[4-5]是獲取智能駕駛測試場景的主要方法之一。徐向陽[6]等基于國家車輛事故深度調(diào)查體系中的499 例事故場景數(shù)據(jù),對我國自動緊急制動(Autonomous Emergency Braking, AEB)場景進行聚類挖掘。郭景華[7]等基于我國自然駕駛數(shù)據(jù)中的危險工況片段,使用層次聚類法對駕駛行程中的危險場景進行聚類挖掘。夏瀾[8]等通過對43例自然駕駛場景進行分析,挖掘到6 類目標切入的危險跟車場景。Adam[9]等人以交通目標之間的位置關(guān)系作為判別量,基于此提出了一種距離聚類的場景挖掘方法。Jin[10]等人使用考慮時間與空間的馬氏距離對跟車進行聚類,提出了一種交通異常事件的場景挖掘方法。Birant[11]等人提出了一種用于處理大規(guī)模數(shù)據(jù)集異常問題的時空異常場景挖掘算法。

    場景聚類挖掘是智能駕駛場景研發(fā)和驗證的基石,對我國智能駕駛技術(shù)的發(fā)展具有十分重要的意義。本文基于K均值聚類算法,對自然駕駛過程中的跟車場景進行場景解構(gòu)和場景聚類挖掘研究,依據(jù)場景主體要素挖掘到3類典型的跟車工況,并結(jié)合場景交通環(huán)境及車輛類型等要素,構(gòu)建了大量的類跟車測試場景,這對我國自動駕駛輔助系統(tǒng)的研發(fā)和測試具有十分重要的意義。

    2 道路試驗及跟車場景數(shù)據(jù)提取

    2.1 道路試驗

    道路試驗從2020 年4 月10 日開始到2020 年5 月21 日結(jié)束,測試有效時間為56 d,道路測試總里程為10 120 km,測試地點涵蓋河北、山西、河南及周邊地區(qū)。道路類型包括高速、國道、市區(qū),測試天氣有晴天、陰天、雨天、霧天,場景數(shù)據(jù)包括直道、彎道、十字路口、紅綠燈和人行橫道場景。共選取10名男性駕駛員進行試驗,平均年齡為35歲,試驗車中采集數(shù)據(jù)的傳感器主要包括Mobileye 攝像頭、激光雷達和ESR毫米波雷達,其實物如圖1所示。由于本次試驗主要開展駕駛員跟車特性的研究,故將3種傳感器都安裝在試驗車的前部,其安裝位置如圖2所示,其中淺色圈部分代表傳感器的具體安裝部位。

    圖1 試驗所用傳感器

    圖2 傳感器安裝位置示意

    2.2 跟車場景數(shù)據(jù)提取

    基于數(shù)據(jù)庫,首先選取399例城市道路、387例高速公路、413例鄉(xiāng)村道路的跟車場景,并對其加減速度曲線進行提取。共提取1 199例跟車場景,排除121例曲率半徑較大的彎道跟車速度曲線,剔除68例涉及非機動車場景或其它特殊車輛的跟車場景,最終獲得1 010 例跟車場景(均為跟隨同一目標,不存在跟車目標轉(zhuǎn)換)。

    圖3 從CANape 17.0中提取的參數(shù)曲線

    如圖4 所示,基于CANape 17.0 進行(濾波)提取的跟車場景參數(shù)包括速度、目標車頭時距(THW)、橫/縱向相對距離、相對速度。圖5為加速度、減速度曲線樣本頻次分布統(tǒng)計。

    圖4 跟車場景參數(shù)頻次分布統(tǒng)計

    圖5 加速度、減速度頻次分布統(tǒng)計

    可以看出,跟車狀態(tài)下樣本車的加速度、減速基本維持在-1~1 m/s2之間,這表明所提取的一些超過正常加速度、減速度范圍的數(shù)值反應(yīng)了安全性較差的跟車情況。

    3 跟車場景特征要素的提取

    3.1 跟車場景要素提取

    場景要素是跟車場景聚類分析的依據(jù),是主成分提取的數(shù)據(jù)來源。跟車場景要素的分類如圖6所示,包括交通環(huán)境要素和場景主體要素2大類以及天氣、光照等10個小類。其中,交通環(huán)境要素包括跟車場景中的天氣類型、光照條件、道路類型、交通密度等,場景主體要素包括自車和目標車的車輛類型、車輛位置及運動狀態(tài)等要素。

    圖6 跟車場景要素提取結(jié)果

    (1)交通環(huán)境要素的提取

    跟車場景的交通環(huán)境要素包括天氣類型、光照條件、道路類型、交通密度等,天氣類型包括4類:晴天、陰天、雨天、雪天,光照條件主要分為3類:白天、傍晚、夜間,道路類型主要包括5類:城市、高速、國道/省道、鄉(xiāng)村道路,交通密度主要包括3類:暢通、正常、擁堵,其提取結(jié)果如表1所示。

    表1 交通環(huán)境要素提取結(jié)果

    目前,受自動駕駛領(lǐng)域內(nèi)感知技術(shù)發(fā)展的限制,交通環(huán)境要素還無法實現(xiàn)自動提取,需進行人工篩選。

    (2)場景主體要素提取

    場景主體要素如表2 所示,包括自車和目標車的車輛類型、車輛位置、運動狀態(tài)等。其中,車輛類型包括轎車、大型貨車/客車等;車輛位置及運動狀態(tài)包括自車位置、自車距車道線位置、目標位置、自車速度、自車加速度、目標縱向距離、目標橫向距離、相對速度等參數(shù)。

    表2 跟車場景主體要素

    定義場景主體要素提取矩陣Pmn,用以表征場景主體要素序號1~16 的提取結(jié)果(車輛類型單獨考慮)。依據(jù)本文提取的1 010例跟車場景,獲取的跟車場景主體要素矩陣如公式(1)所示。

    式中,m為場景主體要素序號(m為1~16,要素序號對照詳見表2),n表示提取的跟車場景片段個數(shù)。

    至此,跟車場景特征要素提取已經(jīng)完成,其提取過程有3個特點:

    (1)考慮了跟車場景中的交通環(huán)境要素和場景主體要素,并對交通環(huán)境要素進行參數(shù)化,便于場景類型劃分。

    (2)場景主體要素基于主機廠的道路試驗數(shù)據(jù),提取的場景數(shù)據(jù)源于真實駕駛數(shù)據(jù),且具有十分的典型性。

    (3)從宏觀角度出發(fā),考慮自車和目標車的車輛類型對場景類型的影響。

    3.2 主成分分析

    由3.1節(jié)的場景主體要素矩陣Pmn可知,場景主體要素包含的參數(shù)維度較高。為簡化計算,需要降低參數(shù)與參數(shù)之間的相關(guān)性,以達到可以便于聚類分析的要求。此外,由于自車與目標的車輛類型對跟車過程影響較大,需要單獨考慮,對其類型進行劃分。

    (1)車輛類型

    自車與目標的車輛類型包括轎車和大型貨車/客車兩類。依據(jù)車輛類型不同,可以將跟車場景劃分為4種類型的跟車場景,如表3所示。

    表3 場景分類

    (2)車輛位置和運動狀態(tài)

    由3.1 節(jié)可知,跟車過程中的車輛位置和運動狀態(tài)信息可由場景主體要素矩陣Pmn表征,由于矩陣維度較高,且變量之間的相關(guān)性較強,為了簡化計算,需要對主體要素矩陣進行相關(guān)性分析和降維處理。

    PCA (Principal Component Analysis)[12-14]是一種常用的數(shù)據(jù)分析方法。PCA 通過線性變換將原始數(shù)據(jù)變換為一組各維度線性無關(guān)表示,可用于提取數(shù)據(jù)的主要特征分量,常用于高維數(shù)據(jù)的降維。因此,本文使用PCA 算法對跟車場景中的主體要素進行相關(guān)性分析和降維處理。

    PCA算法的過程如下:

    (1)主體要素矩陣的標準化處理

    在主體要素矩陣Pmn進行降維之前,首先采用公式(2)對矩陣中的參數(shù)進行標準化,消除量綱對參數(shù)的影響。

    式中,Q*mn為標準化矩陣;Pmn為主體要素矩陣;σn為第n個跟車場景片段的特征參數(shù)標準差。

    經(jīng)過公式(2)對矩陣中的每一個參數(shù)進行標準化后,最終獲得的主體要素標準化矩陣如公式(3)所示。

    式中,Q*mn為標準化矩陣中第m行n列的值;P為主體要素的標準化矩陣。

    (2)利用PCA算法對標準化后主體要素矩陣進行降維

    主體要素矩陣經(jīng)過標準化處理后,已經(jīng)消除了量綱對矩陣中參數(shù)的影響,可以利用PCA算法對標準化后的矩陣進行降維處理,得到標準化后的矩陣參數(shù)線性組合R*。

    式中,Q*mn為標準化矩陣中第m行n列的值;Pomn為相關(guān)系數(shù)矩陣。

    在PCA算法的主成分分析過程中,任務(wù)主成分累計貢獻率達到85%以上,即可認為主成分可以代表原始信息。進行標準化后的場景主體要素矩陣主成分分析結(jié)果如圖7 所示,前3 個主成分的累計貢獻率已經(jīng)達到91.16%,完全可以表征跟車場景主體要素信息。依據(jù)主成分分析結(jié)果,將主體要素矩陣降為3維矩陣。

    圖7 主成分分析結(jié)果

    跟車主體要素矩陣經(jīng)過降維后,保留累計貢獻率排名前3的主成分,其參數(shù)詳見表4。

    表4 累計貢獻率排名前3的主成分

    經(jīng)過標準化后的主體要素矩陣使用PCA 算法降維后僅保留排名前3的主成分,降維后的矩陣如公式(5)所示。

    式中,P為降維后的主體要素矩陣;P1n,P2n,P3n依次代表自車加速度,目標相對距離,目標相對速度。

    4 跟車場景聚類分析

    4.1 K均值聚類算法

    K 均 值 聚 類 算 法(K-Means Clustering Algo?rithm)[15-17]是一種迭代求解的聚類分析算法,在數(shù)據(jù)分析、信號處理以及機器學(xué)習(xí)等領(lǐng)域得到了廣泛的應(yīng)用。本文采用K 均值聚類算法對降維后的跟車特征參數(shù)矩陣進行聚類,聚類過程如下:

    (1)定義初始聚類中心

    在K均值聚類的計算過程中,首先需要定義初始聚類中心矩陣以及聚類中心個數(shù)k。

    式中,M為初始聚類中心矩陣,mj為第j個聚類中心(j∈1,2,…,k),其值為隨機數(shù)。此處聚類中心個數(shù)k取值為3。

    (2)樣本分配

    在K均值聚類的計算過程中,每一輪迭代更新開始后,需要計算每個樣本分別到每個聚類中心的歐氏距離[18],其計算過程如公式(7)所示。

    式中,xi為樣本數(shù)據(jù)中的第i(i∈1,2,…,n)個樣本,d(xi, mj)為第i(i∈1,2,…,n)個樣本xi到第j(j∈1,2,…,k)個聚類中心mj之間的距離。

    計算各個樣本到各個聚類中心的距離之后,依據(jù)距離最小原則,將樣本分配到與距離中心距離最近的類中,如公式(8)所示。

    式中,x為樣本數(shù)據(jù),Mj為樣本數(shù)據(jù)聚成的類。

    (3)更新聚類中心

    由第(2)步將樣本數(shù)據(jù)聚為k類后,需要對聚類中心進行迭代更新,計算每一類樣本數(shù)據(jù)的均值,使用每一類中所有樣本數(shù)據(jù)的樣本均值作為新的聚類中心,實現(xiàn)對聚類中心的更新,其更新過程如公司(9)所示。

    式中,mˉj為更新后的聚類中心;x為Mj(j∈1,2,…,k)類中的樣本數(shù)據(jù)。

    (4)準則函數(shù)的計算

    在K均值聚類的過程中,當完成一輪樣本分配和聚類中心的更新后,需要對聚類結(jié)果的準則函數(shù)進行計算,如公式(10)所示。若準則函數(shù)結(jié)果變化較大,重復(fù)第(2)和第(3)步,繼續(xù)進行迭代更新。若準則函數(shù)的結(jié)果不變,則停止迭代,結(jié)束聚類。

    式中,E為準則函數(shù);mˉj為更新后的聚類中心;x為Mj(j∈1,2,…,k)類中的樣本數(shù)據(jù)。

    通過以上步驟計算得到每個樣本對所有聚類中心的準則函數(shù)進行計算,然后依據(jù)距離中心不變原則和誤差平方和局部最小原則,終止樣本聚類的更新迭代。

    4.2 跟車場景聚類結(jié)果分析

    利用MATLAB對樣本進行聚類,除了K均值聚類外,還以車頭間距、目標的相對速度、自車加速度進行模糊C 均值聚類,并作為對比(表5)。結(jié)果表明,K 均值聚類的相對距離和相對速度較低,且自車加速度較低,但結(jié)果都將樣本聚類為3簇,因此將跟車場景分為3類。

    表5 K均值聚類和模糊C均值聚類對比

    依據(jù)場景主體要素的聚類分析結(jié)果,將跟車場景劃分為Cluster 1~3類,聚類結(jié)果的樣例如圖8~10所示,結(jié)合場景的天氣類型、光照條件等交通環(huán)境要素,共獲得1 728類測試場景,其結(jié)果如表6所示。

    表6 聚類分析結(jié)果 類

    (1)場景聚類結(jié)果為Cluster 1樣例

    限于篇幅原因,選擇1 例聚類結(jié)果為Cluster 1 的場景作為樣例,示例1場景數(shù)據(jù)如圖8所示,跟車的車頭間距圍繞一個值在小范圍內(nèi)上下浮動,將Cluster 1劃分為穩(wěn)定跟車。

    圖8 示例1的場景數(shù)據(jù)

    (2)場景聚類結(jié)果為Cluster 2樣例

    限于篇幅原因,選擇1 例聚類結(jié)果為Cluster 2 的場景作為樣例,示例2場景數(shù)據(jù)如圖9所示,跟車的車頭間距不斷縮小,相對速度恒為負值,將Cluster 2 劃分為加速跟車。

    圖9 示例2的場景數(shù)據(jù)

    (3)場景聚類結(jié)果為Cluster 3樣例

    限于篇幅原因,選擇1 例聚類結(jié)果為Cluster 3 的場景作為樣例,示例3 場景數(shù)據(jù)如圖10 所示,跟車的車頭間距不斷增大,相對速度恒為正值,將Cluster 3劃分為減速跟車。

    圖10 示例3的場景數(shù)據(jù)

    5 結(jié)束語

    本文基于道路試驗數(shù)據(jù)提取了跟車場景特征要素,運用K 均值聚類算法進行場景挖掘,挖掘獲得大量具有實際價值的跟車場景,并以此為基礎(chǔ),構(gòu)造了大量的跟車測試場景。場景數(shù)據(jù)源于真實道路試驗,構(gòu)建的場景更具有真實性、可靠性,對智能駕駛汽車的跟車仿真模型的建設(shè)具有重要意義。

    未來的研究內(nèi)容,將會依托提取的跟車測試場景,圍繞高速領(lǐng)航功能、彎道跟車輔助功能、自動環(huán)道功能測試的仿真模型搭建展開。

    猜你喜歡
    降維均值聚類
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    均值不等式失效時的解決方法
    均值與方差在生活中的應(yīng)用
    基于改進的遺傳算法的模糊聚類算法
    關(guān)于均值有界變差函數(shù)的重要不等式
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    對偶均值積分的Marcus-Lopes不等式
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    日韩欧美三级三区| 精品午夜福利视频在线观看一区| bbb黄色大片| 日本撒尿小便嘘嘘汇集6| 久久久国产成人精品二区 | 精品久久久久久电影网| 中文字幕色久视频| 精品久久久久久久久久免费视频 | 99riav亚洲国产免费| 亚洲人成电影免费在线| 欧美丝袜亚洲另类 | 一级片免费观看大全| 大香蕉久久成人网| 欧美精品一区二区免费开放| av片东京热男人的天堂| 搡老乐熟女国产| 日日夜夜操网爽| 国产成人精品久久二区二区免费| 亚洲精品成人av观看孕妇| av线在线观看网站| 人妻 亚洲 视频| 中文字幕人妻丝袜一区二区| cao死你这个sao货| 别揉我奶头~嗯~啊~动态视频| 国产亚洲欧美98| 日韩欧美在线二视频 | 欧美午夜高清在线| 久久人妻熟女aⅴ| 亚洲色图 男人天堂 中文字幕| 欧美丝袜亚洲另类 | 美女午夜性视频免费| 亚洲第一青青草原| 久久久久久久午夜电影 | 国产一区在线观看成人免费| 99re6热这里在线精品视频| 一个人免费在线观看的高清视频| 最近最新免费中文字幕在线| 99热网站在线观看| 最近最新中文字幕大全电影3 | 久久久精品国产亚洲av高清涩受| 国产成人欧美在线观看 | 亚洲国产毛片av蜜桃av| 男女免费视频国产| 国产男女内射视频| 欧美激情久久久久久爽电影 | 精品国产超薄肉色丝袜足j| 人妻 亚洲 视频| 夜夜爽天天搞| 无人区码免费观看不卡| 亚洲久久久国产精品| 日韩欧美一区二区三区在线观看 | 99热只有精品国产| 国产一卡二卡三卡精品| 国产精品国产高清国产av | 亚洲中文日韩欧美视频| 国产免费现黄频在线看| 91在线观看av| 国产精品欧美亚洲77777| 欧美精品一区二区免费开放| www.999成人在线观看| 村上凉子中文字幕在线| 不卡av一区二区三区| 久久久久精品国产欧美久久久| 亚洲熟女精品中文字幕| 国产精品二区激情视频| 一区二区三区激情视频| 高清在线国产一区| 别揉我奶头~嗯~啊~动态视频| 最新的欧美精品一区二区| 69av精品久久久久久| 亚洲人成77777在线视频| 美女高潮喷水抽搐中文字幕| 欧美 日韩 精品 国产| 久久国产精品大桥未久av| 亚洲国产中文字幕在线视频| 高清黄色对白视频在线免费看| 一二三四社区在线视频社区8| 国产欧美亚洲国产| 欧美日韩中文字幕国产精品一区二区三区 | av福利片在线| 欧美日韩中文字幕国产精品一区二区三区 | 天堂中文最新版在线下载| 欧美人与性动交α欧美精品济南到| 亚洲欧洲精品一区二区精品久久久| 国产乱人伦免费视频| 国产不卡一卡二| 亚洲七黄色美女视频| 国产成人欧美在线观看 | 中亚洲国语对白在线视频| 熟女少妇亚洲综合色aaa.| 热99国产精品久久久久久7| 日韩成人在线观看一区二区三区| av网站免费在线观看视频| 亚洲avbb在线观看| 国产精品免费视频内射| 亚洲男人天堂网一区| 亚洲五月婷婷丁香| 丁香六月欧美| 涩涩av久久男人的天堂| 精品福利永久在线观看| 最近最新中文字幕大全电影3 | 天天添夜夜摸| 国产精品免费大片| 日韩中文字幕欧美一区二区| 岛国毛片在线播放| 久久久久久亚洲精品国产蜜桃av| 亚洲色图av天堂| 亚洲精品久久成人aⅴ小说| 夜夜爽天天搞| 看免费av毛片| av中文乱码字幕在线| 亚洲性夜色夜夜综合| 免费不卡黄色视频| 在线十欧美十亚洲十日本专区| 精品一品国产午夜福利视频| 久久性视频一级片| 丁香六月欧美| 99re在线观看精品视频| 高清毛片免费观看视频网站 | 精品国产国语对白av| 精品人妻1区二区| 丝袜美腿诱惑在线| 免费av中文字幕在线| 麻豆成人av在线观看| 欧美老熟妇乱子伦牲交| 黄色片一级片一级黄色片| 咕卡用的链子| 久热这里只有精品99| 亚洲精品自拍成人| 看免费av毛片| 免费少妇av软件| 老鸭窝网址在线观看| 色尼玛亚洲综合影院| 国产视频一区二区在线看| 99国产精品免费福利视频| 在线观看免费午夜福利视频| 欧美人与性动交α欧美软件| 人妻一区二区av| 别揉我奶头~嗯~啊~动态视频| 在线国产一区二区在线| 精品视频人人做人人爽| tocl精华| 两性午夜刺激爽爽歪歪视频在线观看 | 波多野结衣av一区二区av| 欧美激情高清一区二区三区| 制服人妻中文乱码| 国产男靠女视频免费网站| 亚洲av熟女| 高清在线国产一区| 99久久人妻综合| 国产亚洲精品久久久久5区| 久久久久国产一级毛片高清牌| 久久久久国产精品人妻aⅴ院 | 欧美久久黑人一区二区| av天堂在线播放| 国产伦人伦偷精品视频| xxx96com| 欧美av亚洲av综合av国产av| 在线观看免费日韩欧美大片| 中文字幕精品免费在线观看视频| 人人妻人人爽人人添夜夜欢视频| 在线av久久热| 在线观看www视频免费| 国产亚洲欧美在线一区二区| 久久久国产一区二区| 少妇 在线观看| 国产精品二区激情视频| 自拍欧美九色日韩亚洲蝌蚪91| 成年版毛片免费区| 19禁男女啪啪无遮挡网站| 久久这里只有精品19| 超碰成人久久| 国产欧美亚洲国产| 欧美中文综合在线视频| ponron亚洲| 一个人免费在线观看的高清视频| 国产激情久久老熟女| 黄网站色视频无遮挡免费观看| 女人久久www免费人成看片| 极品人妻少妇av视频| 国产精品乱码一区二三区的特点 | 国产男靠女视频免费网站| 亚洲av欧美aⅴ国产| 黄色a级毛片大全视频| 18禁观看日本| 亚洲五月天丁香| 精品国内亚洲2022精品成人 | 波多野结衣一区麻豆| 亚洲午夜理论影院| 久久精品国产清高在天天线| 免费不卡黄色视频| 亚洲精品在线美女| 香蕉丝袜av| av一本久久久久| 成人av一区二区三区在线看| cao死你这个sao货| 亚洲国产欧美网| 国产不卡一卡二| 如日韩欧美国产精品一区二区三区| 色综合婷婷激情| 人妻 亚洲 视频| 99香蕉大伊视频| 中文字幕精品免费在线观看视频| 欧美日本中文国产一区发布| 国产精品 欧美亚洲| 成人国产一区最新在线观看| 男女下面插进去视频免费观看| 黄片播放在线免费| 精品视频人人做人人爽| 操美女的视频在线观看| 婷婷成人精品国产| 国产伦人伦偷精品视频| 熟女少妇亚洲综合色aaa.| 成人精品一区二区免费| 精品国产亚洲在线| 久久久久久久国产电影| 日本黄色日本黄色录像| 美女 人体艺术 gogo| 人人妻人人添人人爽欧美一区卜| 欧美人与性动交α欧美软件| 日韩欧美一区视频在线观看| 黄片小视频在线播放| 日本a在线网址| 性少妇av在线| av网站免费在线观看视频| 亚洲avbb在线观看| 久久香蕉精品热| 啦啦啦 在线观看视频| 国产精品久久电影中文字幕 | cao死你这个sao货| 99国产精品99久久久久| 日韩欧美三级三区| 国产激情久久老熟女| 亚洲av成人不卡在线观看播放网| 久久天躁狠狠躁夜夜2o2o| 亚洲中文日韩欧美视频| 国产一区二区三区综合在线观看| 最近最新中文字幕大全电影3 | 中文字幕高清在线视频| 在线观看免费午夜福利视频| 国产极品粉嫩免费观看在线| 日本vs欧美在线观看视频| 两个人看的免费小视频| 曰老女人黄片| 午夜福利视频在线观看免费| 色94色欧美一区二区| 青草久久国产| 丰满人妻熟妇乱又伦精品不卡| 午夜激情av网站| 美女午夜性视频免费| 亚洲九九香蕉| 99久久精品国产亚洲精品| 99久久99久久久精品蜜桃| 午夜精品国产一区二区电影| 91精品三级在线观看| 国产av又大| 50天的宝宝边吃奶边哭怎么回事| 天天躁夜夜躁狠狠躁躁| videosex国产| 高清在线国产一区| 久久亚洲精品不卡| 精品久久蜜臀av无| 婷婷精品国产亚洲av在线 | 9热在线视频观看99| 正在播放国产对白刺激| 精品人妻1区二区| 欧美日韩视频精品一区| 建设人人有责人人尽责人人享有的| 午夜亚洲福利在线播放| 精品卡一卡二卡四卡免费| 亚洲第一青青草原| 国产精品欧美亚洲77777| 亚洲美女黄片视频| 久久这里只有精品19| 欧美日韩黄片免| 亚洲欧美一区二区三区黑人| 丝袜美足系列| 在线天堂中文资源库| 国产精品 欧美亚洲| 在线视频色国产色| 欧美黄色淫秽网站| 乱人伦中国视频| 国产精品偷伦视频观看了| 热99国产精品久久久久久7| 90打野战视频偷拍视频| 男男h啪啪无遮挡| 热99久久久久精品小说推荐| 国产精品永久免费网站| 国产主播在线观看一区二区| 精品国产一区二区久久| 午夜精品国产一区二区电影| 欧美日韩一级在线毛片| 国产高清视频在线播放一区| 欧美成狂野欧美在线观看| 亚洲色图av天堂| 狠狠婷婷综合久久久久久88av| 91大片在线观看| 久久国产精品男人的天堂亚洲| 国产精品美女特级片免费视频播放器 | 在线观看午夜福利视频| 黄色a级毛片大全视频| 国产视频一区二区在线看| 国产精品自产拍在线观看55亚洲 | 国产成人av激情在线播放| 热re99久久精品国产66热6| 欧美日本中文国产一区发布| 免费在线观看黄色视频的| 黑人操中国人逼视频| 村上凉子中文字幕在线| 美女高潮到喷水免费观看| 国产精品久久视频播放| 中文字幕人妻熟女乱码| 男女高潮啪啪啪动态图| 精品国产亚洲在线| 啦啦啦 在线观看视频| 国产极品粉嫩免费观看在线| 午夜福利影视在线免费观看| 男女午夜视频在线观看| 久久中文字幕人妻熟女| 777米奇影视久久| 午夜两性在线视频| 国产91精品成人一区二区三区| 中文欧美无线码| 久久久久精品国产欧美久久久| 999久久久精品免费观看国产| 啦啦啦 在线观看视频| 久久精品国产99精品国产亚洲性色 | 国产欧美亚洲国产| 中文字幕av电影在线播放| 欧美黑人欧美精品刺激| xxx96com| 亚洲熟妇中文字幕五十中出 | 妹子高潮喷水视频| 波多野结衣一区麻豆| 精品国产亚洲在线| 男人操女人黄网站| 一进一出抽搐gif免费好疼 | 美女福利国产在线| 久久久久久久午夜电影 | 91字幕亚洲| 亚洲色图 男人天堂 中文字幕| 亚洲精品成人av观看孕妇| 人成视频在线观看免费观看| 国产精品98久久久久久宅男小说| 国产精品 国内视频| 成年版毛片免费区| 欧美精品人与动牲交sv欧美| 久久国产精品影院| 18在线观看网站| 黄色成人免费大全| 视频在线观看一区二区三区| 精品少妇一区二区三区视频日本电影| 亚洲精品自拍成人| 黄网站色视频无遮挡免费观看| 又大又爽又粗| 中文亚洲av片在线观看爽 | 天天躁夜夜躁狠狠躁躁| 亚洲欧美激情综合另类| 波多野结衣av一区二区av| 国产97色在线日韩免费| 丁香欧美五月| 一级片'在线观看视频| 亚洲欧美色中文字幕在线| 国产亚洲欧美98| 亚洲av成人不卡在线观看播放网| 日韩一卡2卡3卡4卡2021年| 国产精品影院久久| 少妇的丰满在线观看| 午夜影院日韩av| 成人国语在线视频| 久久狼人影院| 欧美中文综合在线视频| 国产不卡av网站在线观看| 黑人猛操日本美女一级片| 国产免费av片在线观看野外av| 亚洲国产中文字幕在线视频| 国产一卡二卡三卡精品| 人妻丰满熟妇av一区二区三区 | 久久久久精品国产欧美久久久| 午夜福利一区二区在线看| 国产成人啪精品午夜网站| 精品视频人人做人人爽| 中文字幕最新亚洲高清| 亚洲成av片中文字幕在线观看| 人人澡人人妻人| 亚洲精品美女久久久久99蜜臀| 亚洲精品久久午夜乱码| 国产三级黄色录像| 香蕉久久夜色| 大型av网站在线播放| 欧美精品啪啪一区二区三区| 一级,二级,三级黄色视频| 国产精品一区二区精品视频观看| 男人的好看免费观看在线视频 | 欧美黄色片欧美黄色片| 啦啦啦在线免费观看视频4| 国产欧美亚洲国产| netflix在线观看网站| 91成年电影在线观看| 韩国av一区二区三区四区| 精品国产乱码久久久久久男人| 欧美 亚洲 国产 日韩一| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品.久久久| 黄色毛片三级朝国网站| 国产男女超爽视频在线观看| 又黄又粗又硬又大视频| 精品国产一区二区三区久久久樱花| 久久精品亚洲精品国产色婷小说| 免费人成视频x8x8入口观看| 侵犯人妻中文字幕一二三四区| 嫁个100分男人电影在线观看| 国产亚洲一区二区精品| 黄色片一级片一级黄色片| 亚洲少妇的诱惑av| 久久草成人影院| 国产一区在线观看成人免费| 色尼玛亚洲综合影院| 在线免费观看的www视频| 看免费av毛片| 99国产综合亚洲精品| 无限看片的www在线观看| 99国产精品一区二区蜜桃av | 老熟妇乱子伦视频在线观看| 精品国产一区二区三区久久久樱花| 老司机深夜福利视频在线观看| 天天操日日干夜夜撸| 国产精品一区二区精品视频观看| 成年人黄色毛片网站| 亚洲国产欧美日韩在线播放| 亚洲人成伊人成综合网2020| 精品一区二区三卡| xxx96com| 露出奶头的视频| 9191精品国产免费久久| 大型av网站在线播放| 亚洲欧美日韩另类电影网站| 后天国语完整版免费观看| 中文字幕制服av| 夜夜夜夜夜久久久久| 天天影视国产精品| 正在播放国产对白刺激| 久久香蕉国产精品| 免费在线观看视频国产中文字幕亚洲| 少妇裸体淫交视频免费看高清 | 飞空精品影院首页| 免费在线观看亚洲国产| 日韩精品免费视频一区二区三区| 人人澡人人妻人| 久久精品人人爽人人爽视色| 在线十欧美十亚洲十日本专区| 亚洲精品自拍成人| ponron亚洲| 国产97色在线日韩免费| 国产免费av片在线观看野外av| 欧美 亚洲 国产 日韩一| 大型av网站在线播放| 午夜两性在线视频| 午夜老司机福利片| 一a级毛片在线观看| 精品久久蜜臀av无| 精品久久久久久,| 精品国产一区二区久久| 纯流量卡能插随身wifi吗| 高清毛片免费观看视频网站 | 久久影院123| 热99久久久久精品小说推荐| 美女扒开内裤让男人捅视频| 搡老岳熟女国产| 国产欧美日韩综合在线一区二区| 久久香蕉精品热| av超薄肉色丝袜交足视频| 欧美人与性动交α欧美软件| 精品国产一区二区三区久久久樱花| 国产99久久九九免费精品| 成年动漫av网址| 国产亚洲欧美98| 999久久久国产精品视频| 香蕉国产在线看| 欧美日韩精品网址| 亚洲七黄色美女视频| 美国免费a级毛片| 国产精品一区二区在线观看99| 我的亚洲天堂| 人妻 亚洲 视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲少妇的诱惑av| 精品国产一区二区久久| 中文字幕制服av| 中文欧美无线码| 热re99久久精品国产66热6| 国产色视频综合| 亚洲精品在线观看二区| 国内久久婷婷六月综合欲色啪| 亚洲aⅴ乱码一区二区在线播放 | 黄色女人牲交| 91精品国产国语对白视频| 午夜亚洲福利在线播放| 天堂俺去俺来也www色官网| 国产国语露脸激情在线看| 精品一区二区三卡| 看免费av毛片| 狠狠狠狠99中文字幕| 亚洲三区欧美一区| 国产区一区二久久| 热99久久久久精品小说推荐| 色播在线永久视频| 电影成人av| 999久久久国产精品视频| 成人三级做爰电影| 亚洲精品美女久久久久99蜜臀| 日韩免费高清中文字幕av| 亚洲精品自拍成人| 婷婷精品国产亚洲av在线 | 亚洲精品国产精品久久久不卡| 欧美 亚洲 国产 日韩一| 国产精品偷伦视频观看了| videos熟女内射| 色尼玛亚洲综合影院| 女性生殖器流出的白浆| 国产精品98久久久久久宅男小说| 99久久国产精品久久久| 一区福利在线观看| 99精品在免费线老司机午夜| 69av精品久久久久久| 欧美日韩亚洲高清精品| 熟女少妇亚洲综合色aaa.| 成年人免费黄色播放视频| 欧美日韩瑟瑟在线播放| 麻豆国产av国片精品| 精品久久久久久,| 亚洲情色 制服丝袜| 99精国产麻豆久久婷婷| 黄网站色视频无遮挡免费观看| 两人在一起打扑克的视频| 欧美午夜高清在线| 国产亚洲精品一区二区www | 国产亚洲精品第一综合不卡| 正在播放国产对白刺激| 精品国产一区二区三区久久久樱花| 一边摸一边做爽爽视频免费| 最新在线观看一区二区三区| 宅男免费午夜| 欧美人与性动交α欧美软件| 男人操女人黄网站| 午夜福利欧美成人| 亚洲色图综合在线观看| 欧美在线一区亚洲| 欧美+亚洲+日韩+国产| 国产激情久久老熟女| videosex国产| 国产精品亚洲一级av第二区| 老司机午夜十八禁免费视频| 精品国产美女av久久久久小说| 午夜91福利影院| 这个男人来自地球电影免费观看| 国产亚洲精品第一综合不卡| 亚洲在线自拍视频| 久久人妻熟女aⅴ| 12—13女人毛片做爰片一| 国产国语露脸激情在线看| 久久精品熟女亚洲av麻豆精品| 看片在线看免费视频| 亚洲av欧美aⅴ国产| 国产深夜福利视频在线观看| 最新美女视频免费是黄的| 国产伦人伦偷精品视频| 少妇粗大呻吟视频| 亚洲欧美激情综合另类| 人妻一区二区av| 欧美日韩瑟瑟在线播放| 人人妻人人澡人人看| 国产不卡av网站在线观看| 亚洲专区字幕在线| 一区二区三区精品91| 黑人巨大精品欧美一区二区mp4| 夜夜夜夜夜久久久久| www.999成人在线观看| 曰老女人黄片| 日韩一卡2卡3卡4卡2021年| 精品乱码久久久久久99久播| 在线十欧美十亚洲十日本专区| 久99久视频精品免费| 热99久久久久精品小说推荐| 高清欧美精品videossex| tocl精华| 久久精品aⅴ一区二区三区四区| 99久久99久久久精品蜜桃| 欧美乱妇无乱码| 日韩精品免费视频一区二区三区| 色播在线永久视频| 欧美乱妇无乱码| 成年动漫av网址| 亚洲欧美一区二区三区久久| 大香蕉久久成人网| 美女午夜性视频免费| 久久国产亚洲av麻豆专区| 欧美亚洲 丝袜 人妻 在线| 欧美在线黄色| 亚洲成人手机| 男人的好看免费观看在线视频 | 国产精品 国内视频| 国产野战对白在线观看| 午夜免费鲁丝| 色精品久久人妻99蜜桃| 在线视频色国产色| 看片在线看免费视频| 国产精华一区二区三区| avwww免费| 精品国产国语对白av| 亚洲熟女精品中文字幕| 国产蜜桃级精品一区二区三区 | 久久精品亚洲av国产电影网| 一a级毛片在线观看| 韩国av一区二区三区四区|