• <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 ?

    基于隱函數(shù)的三維紋理網(wǎng)格重建

    2021-12-28 23:23:05韓煌達(dá)張海翔馬漢杰蔣明峰馮杰
    計算機(jī)時代 2021年12期
    關(guān)鍵詞:目標(biāo)檢測三維重建

    韓煌達(dá) 張海翔 馬漢杰 蔣明峰 馮杰

    摘? 要: 目前,面向?qū)嵕皥D像的單圖三維重建算法大多無法重建或者只能重建出已知拓?fù)浣Y(jié)構(gòu)類型的帶紋理三維網(wǎng)格。文章結(jié)合目標(biāo)檢測網(wǎng)絡(luò),構(gòu)建了基于隱函數(shù)的紋理推斷網(wǎng)絡(luò)“ColorNet”,用于預(yù)測三維網(wǎng)格頂點的RGB值,并且為Pix3D數(shù)據(jù)集的三維模型添加UV紋理映射,并進(jìn)行渲染、顏色采樣。網(wǎng)絡(luò)在經(jīng)預(yù)處理后的數(shù)據(jù)集上訓(xùn)練并測試。實驗表明,“ColorNet”可以預(yù)測出三維網(wǎng)格頂點的RGB值,并通過與三維重建網(wǎng)絡(luò)“IM-RCNN”相結(jié)合,實現(xiàn)從單張實景圖像中自動地重建接近真實紋理的三維模型。

    關(guān)鍵詞: 三維重建; 紋理推斷; UV紋理映射; 目標(biāo)檢測

    中圖分類號:TP3? ? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ?文章編號:1006-8228(2021)12-01-05

    Abstract: At present, most of the three-dimensional reconstruction algorithms for real-world images cannot reconstruct the 3D models with texture or can only reconstruct the 3D textured mesh with known topology types. In this paper, combined with object detecting network, a texture inference network "ColorNet" based on implicit function is proposed to predict RGB values of vertices of 3D mesh. UV texture mapping is added to the 3D model of Pix3d dataset by the network, and then the 3D model is rendered and color sampled. The network is trained and tested on the pre-processed dataset. The experiment shows that the RGB values of vertices of 3D mesh can be predicted by "ColorNet", and the 3D mesh model close to the real texture can be automatically predicted from single real world image by combining with "IM-RCNN".

    Key words: 3D reconstruction; texture inference; UV texture mapping; object detecting

    0 引言

    近年來,隨著卷積神經(jīng)網(wǎng)絡(luò)的普及應(yīng)用和大規(guī)模三維模型數(shù)據(jù)集的出現(xiàn),基于深度學(xué)習(xí)的單圖三維重建取得了較大的進(jìn)展,通過這些單圖三維重建網(wǎng)絡(luò),可以有效地從圖像中重建出物體的三維模型。然而,這些算法仍然存在一些不足。

    首先,目前的網(wǎng)絡(luò)大多將研究重心放在三維形狀重建上。然而,在現(xiàn)實世界中,物體不僅有三維形狀,而且有紋理,有色彩。他們互相關(guān)聯(lián)互相補(bǔ)充,使人們對三維物體的理解更為全面。因此,從圖像中重建帶有紋理的三維模型具有理論意義和實用價值,可以應(yīng)用于虛擬現(xiàn)實、增強(qiáng)現(xiàn)實等諸多領(lǐng)域。

    其次,這些網(wǎng)絡(luò)大多從渲染圖像中重建三維形狀,所用圖像只有單一的物體處在圖像中心并且沒有背景。而面向?qū)嵕皥D像的單圖三維重建網(wǎng)絡(luò)所重建的三維形狀大多沒有紋理,或者只能重建出已知拓?fù)浣Y(jié)構(gòu)類型的三維網(wǎng)格。

    針對這些問題,本文提出了“ColorNet”,該網(wǎng)絡(luò)可以從實景圖像中預(yù)測出物體三維網(wǎng)格頂點的RGB值。本文的主要貢獻(xiàn)在于①結(jié)合目標(biāo)檢測網(wǎng)絡(luò),提出一種基于隱函數(shù)的紋理推斷網(wǎng)絡(luò),并且通過與實景圖像三維重建網(wǎng)絡(luò)“IM-RCNN”[1]相結(jié)合,使得網(wǎng)絡(luò)能夠從單張實景圖像中重建出帶紋理的三維模型;②實景圖像三維模型數(shù)據(jù)集Pix3D[2]缺少UV紋理映射,使用三維建模軟件Blender為所有的三維模型添加UV映射并增加紋理,并篩選整理了每個三維模型所對應(yīng)的實景圖像使得網(wǎng)絡(luò)更容易訓(xùn)練,形成了可用于紋理推斷網(wǎng)絡(luò)的實景圖像三維模型數(shù)據(jù)集。

    1 相關(guān)工作

    1.1 基于深度學(xué)習(xí)的實景圖像三維重建

    針對實景圖像的三維重建,Yao S等人[3]首先利用目標(biāo)檢測網(wǎng)絡(luò)預(yù)測得到物體的掩膜,將它和圖像疊加得到去除背景后的物體,再預(yù)測物體的三維屬性,對已有的三維網(wǎng)格模板形變,以此重建三維模型。WU J[4]等人使用經(jīng)裁剪后物體處于中心位置的圖像,訓(xùn)練了“3D-VAE-GAN”網(wǎng)絡(luò)來重建三維模型,該網(wǎng)絡(luò)只能生成低分辨率的三維模型。GKIOXARI G等人提出了“Mesh R-CNN”[5],該網(wǎng)絡(luò)結(jié)合目標(biāo)檢測網(wǎng)絡(luò),首先預(yù)測一個粗糙的體素模型,并將其轉(zhuǎn)化為初始網(wǎng)格模型,再使用圖卷積[6]網(wǎng)絡(luò)將其形變,獲得最終的三維網(wǎng)格。在我們之前的工作中[1],提出了基于隱函數(shù)表示法的單圖三維重建網(wǎng)絡(luò)“IM-RCNN”,該網(wǎng)絡(luò)結(jié)合Mask RCNN[7],能夠從實景圖像中重建出高分辨率的三維模型,并且具有更好的視覺效果,是目前較為有效的方法。然而,所重建的三維模型仍然不具有紋理。KANAZAWA A等人[8]對預(yù)定義的三維網(wǎng)格進(jìn)行形變,實現(xiàn)了從實景圖像中重建鳥類的三維模型。

    1.2 基于深度學(xué)習(xí)的紋理推斷

    針對三維物體的紋理推斷,Tulsiani S等人[9]使用多個視圖和光線一致性作為監(jiān)督,提出了一個基于體素的紋理表示法,重建出了帶有紋理的三維體素模型。SUN Y等人[10]將三維形狀估計和體素顏色回歸結(jié)合起來,從單張圖像中重建出帶有紋理的三維體素模型。然而,由于體素表示法不具備內(nèi)存效率,他們只能重建出分辨率較低的三維紋理模型。NATSUME R等人[11]將視圖生成方法用于從圖像中重建出帶紋理的三維人體模型。他們提出的視圖生成方法,可以從前視圖中預(yù)測后視圖,再將前視圖和后視圖一起用于為三維人體模型添加紋理。KANAZAWA A等人[8]首先預(yù)測UV紋理映射圖的RGB值,再將該圖進(jìn)行UV映射,為三維網(wǎng)格添加紋理。SAITO S等人[12]提出了像素對齊隱函數(shù)表示法用于三維人體重建,并對該表示法作了擴(kuò)展,使用隱函數(shù)來回歸RGB值,從而能夠推斷出每個頂點的顏色,最終實現(xiàn)從圖像中重建帶紋理的三維人體模型。

    2 網(wǎng)絡(luò)設(shè)計

    目前,基于隱函數(shù)的三維形狀表示法受到越來越多研究者的關(guān)注[12-15],在隱函數(shù)表示法下,三維形狀可以由一個連續(xù)函數(shù)[f]的[k]等值面來表示,例如:

    SAITO S等人[12]將隱函數(shù)作了推廣,通過一個連續(xù)函數(shù)[f]將一個三維空間點[X]映射成一個RGB向量,即:

    他們的網(wǎng)絡(luò)從渲染圖像中重建出帶紋理的三維模型。相反,本文結(jié)合目標(biāo)檢測網(wǎng)絡(luò),構(gòu)建了基于隱函數(shù)的紋理推斷網(wǎng)絡(luò)“ColorNet”,并與單圖三維重建網(wǎng)絡(luò)“IM-RCNN”相結(jié)合,從而實現(xiàn)從實景圖像中重建帶紋理三維家具模型的目標(biāo),如圖1所示。

    2.1 紋理推斷及損失函數(shù)

    圖1展示了“ColorNet”的架構(gòu)。由于本文面對的是實景圖像,因此需要獲得物體在整幅圖像中所處位置的特征圖。在目標(biāo)檢測網(wǎng)絡(luò)的相關(guān)工作中,REN S等人[16]提出了“ROI Pooling”,用于獲取與輸入圖像對齊的區(qū)域特征圖,之后He K等人[7]使用雙線性差值提升了對齊精度。因此,“ColorNet”使用RoiAlign[7]操作,從輸入的單張實景圖像中得到區(qū)域?qū)R特征圖[Featurereal∈RC×H×W]。同時,網(wǎng)絡(luò)隨機(jī)輸入一張該三維模型的渲染圖像[Irender],利用一個由殘差網(wǎng)絡(luò)組成的顏色編碼器[Ecolor]對它進(jìn)行映射,即:

    經(jīng)過映射,將[Featurecolor]和[Featurereal]在通道維度上相連接,得到[Featureconcate∈R2C×H×W]。

    另一邊,有[N]個用于訓(xùn)練的三維采樣點集[P],以其中一個點[Pi]為例,使用正交投影矩陣[M]將它投影到圖像平面上得到像素點[pi=M(Pi)],并獲得在相機(jī)坐標(biāo)系上的深度值[zi]。之后,使用雙線性采樣獲得與該像素點對齊的特征[Featurealign∈R2C×N],同時將深度值[zi]標(biāo)準(zhǔn)化作為深度特征[Featurezi∈R1×N],將兩者在維度上相連接,得到該采樣點最終的特征[Featurepoint]。最后,將該采樣點的特征送入顏色解碼器[Dcolor],得到預(yù)測的顏色向量[RGBpred∈R3×N],即:

    損失函數(shù)[LossRGB]是所有三維采樣點對應(yīng)的預(yù)測RGB值和標(biāo)注RGB值之間的均方誤差,即:

    2.2 顏色編碼器和顏色解碼器的結(jié)構(gòu)

    目前,通過殘差網(wǎng)絡(luò)可以有效地提取圖像特征。本文對ResNet-18[17]網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行微調(diào),移除原有的池化層,使用卷積核大小為9×9,步長為2的卷積層進(jìn)行替代,并使用LeakyReLU作為激活函數(shù),得到用于提取圖像顏色特征的編碼器。

    顏色解碼器用于學(xué)習(xí)一個連續(xù)的函數(shù)來預(yù)測出三維網(wǎng)格每個頂點對應(yīng)的RGB值。由于多層的前向網(wǎng)絡(luò)可以在任何精確度上擬合出一個連續(xù)的形狀函數(shù)[18],本文采用八個全連接層搭建顏色解碼器,并且除第一個全連接層,其余各層均將上層的輸出特征與第一層的輸入特征在維度上相連接,作為本層的輸入特征。另外,除最后一層的激活函數(shù)為Tanh以外,其余各層均采用LeakyReLU激活函數(shù)。

    3 數(shù)據(jù)預(yù)處理

    實驗在Pix3D[2]數(shù)據(jù)集上進(jìn)行,該數(shù)據(jù)集包含9個類別的物體,共有10069張實景圖像、395個三維家具模型。然而該數(shù)據(jù)集中,某個三維模型在不同的實景圖像中可能擁有不同的紋理,并且這些三維模型不具有UV紋理映射。因此,網(wǎng)絡(luò)訓(xùn)練前,我們對三維模型進(jìn)行預(yù)處理,并且篩選每個模型對應(yīng)的實景圖像,使得每個三維模型在不同的實景圖像中都有相近的紋理,便于網(wǎng)絡(luò)進(jìn)行收斂。

    3.1 添加UV紋理映射

    為了進(jìn)行三維模型的渲染以及網(wǎng)格表面點的RGB值采樣,需要使用帶有UV紋理映射圖的三維模型。由于原始的Pix3D數(shù)據(jù)集中的三維模型不具備UV紋理映射圖,在實驗中需要為395個三維網(wǎng)格模型手工添加紋理。本文使用三維建模軟件Blender,依次為三維模型添加UV映射圖、繪制紋理以及著色,圖2為添加紋理映射后的模型效果。

    3.2 三維模型渲染

    在為三維模型添加紋理映射之后,對它們進(jìn)行渲染。使用弱透視相機(jī)模型將三維模型與圖像中心對齊,并將每個三維家具模型圍繞偏航軸旋轉(zhuǎn)360度進(jìn)行渲染,共生成142,200張512×512分辨率的渲染圖像。圖3展示了前10個旋轉(zhuǎn)角度的渲染圖像和掩膜,所生成的渲染圖像沒有背景。

    3.3 三維表面紋理采樣

    在對三維模型進(jìn)行渲染后,也可得到UV紋理映射圖對應(yīng)的法向量圖、掩膜和渲染圖像,如圖4所示。

    在對表面紋理進(jìn)行采樣時,本文使用UV掩膜來索引UV渲染圖像、UV法向量圖中對應(yīng)的紋理區(qū)域,再從這些區(qū)域中隨機(jī)采樣指定數(shù)量的點,獲得每個采樣點對應(yīng)的顏色值,作為標(biāo)注RGB值。

    4 實驗

    4.1 實驗環(huán)境及參數(shù)配置

    實驗在單張GeForce RTX 2080 Ti GPU上進(jìn)行,由于目標(biāo)是生成帶有紋理的三維形狀,本文使用“IM-RCNN”訓(xùn)練后的模型作為紋理推斷網(wǎng)絡(luò)“ColorNet”的預(yù)訓(xùn)練模型,網(wǎng)絡(luò)共迭代315000次。網(wǎng)絡(luò)訓(xùn)練采用帶動量的隨機(jī)梯度下降算法,在前32000次迭代中,學(xué)習(xí)率從0.0025到0.02線性增加,之后在256000到315000次迭代中,以10倍數(shù)進(jìn)行衰減。RGB值損失的權(quán)重是1,使用的權(quán)重衰減率是10?4。

    4.2 帶紋理的三維網(wǎng)格推斷

    為了從實景圖像中預(yù)測出帶有紋理的三維模型,本文將紋理推斷網(wǎng)絡(luò)“ColorNet”與單圖三維重建網(wǎng)絡(luò)“IM-RCNN”[1]相結(jié)合,如圖5所示?!癐M-RCNN”的隱函數(shù)分支可以從單張圖像中預(yù)測出物體的三維形狀,它的掩膜分支和包圍框分支可以輸出物體的掩膜和包圍框。

    在推斷時,網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練階段略有不同。首先,網(wǎng)絡(luò)從一張實景圖像[Ireal]開始,通過RoiAlign操作獲得區(qū)域?qū)R特征[Featurereal],再通過“IM-RCNN”的隱函數(shù)分支以及等值面提取[19]操作得到預(yù)測的三維網(wǎng)格[mesh]([Vmesh=(3,N)])。之后,“ColorNet”對[mesh]的[N]個頂點計算預(yù)測的RGB值。另外,網(wǎng)絡(luò)通過“IM-RCNN”的掩膜分支得到物體的掩膜[maskpred],并與實景圖像[Ireal]相疊加,得到去除背景的圖像[Irender],并將其送入顏色編碼器計算圖像特征。

    通過“ColorNet”得到每個頂點的顏色預(yù)測值[RGBpred]后,與預(yù)測網(wǎng)格[mesh]相結(jié)合得到最終帶有紋理的網(wǎng)格[meshtextured]。

    圖6分別展示了“IM-RCNN”預(yù)測的無紋理三維模型、“ColorNet”與它結(jié)合后預(yù)測的帶紋理三維模型以及真實的帶紋理三維模型。從圖6中可以發(fā)現(xiàn),“ColorNet”可以有效地預(yù)測出三維網(wǎng)格頂點的RGB值,通過與“IM-RCNN”的結(jié)合,可以實現(xiàn)從單張實景圖像中預(yù)測出接近真實紋理的三維網(wǎng)格。

    4.3 與其他方法的對比分析

    如圖7所示,SAITO S等人[12]首先通過人工手段將實景圖像去除背景,再制作與目標(biāo)對應(yīng)的掩膜,之后通過裁剪、調(diào)整尺寸等操作,獲得目標(biāo)位于中心、大小固定的圖像。他們的網(wǎng)絡(luò)使用該圖像作為輸入,重建出帶紋理的三維人體。相反,本文的方法直接使用實景圖像作為輸入,通過網(wǎng)絡(luò)自動地重建出帶紋理的三維模型。同時,輸入圖像可以擁有不同的尺寸大小,圖像中的物體可以位于不同的位置。

    如圖8所示,KANAZAWA A等人[8]從實景圖像中重建出了帶紋理的三維鳥類模型。然而,由于使用固定的三維網(wǎng)格模板,通過對網(wǎng)格模板形變來重建模型,因此只能對某個特定類別的物體進(jìn)行訓(xùn)練,獲得已知拓?fù)浣Y(jié)構(gòu)范圍內(nèi)的重建結(jié)果。相反,本文的方法可以同時對多個類別的物體進(jìn)行訓(xùn)練,并且可以處理任何類型的拓?fù)浣Y(jié)構(gòu)。

    以上是對三維紋理模型推斷方法的定性分析。對于紋理推斷效果的定量評估,在目前已有的研究工作中仍然缺少一個合適的指標(biāo),需要做進(jìn)一步的研究。

    5 結(jié)束語

    針對當(dāng)前面向?qū)嵕皥D像的單圖三維重建網(wǎng)絡(luò)所重建的三維形狀大多沒有紋理,或者只能重建出已知拓?fù)浣Y(jié)構(gòu)類型的三維網(wǎng)格等不足,本文結(jié)合目標(biāo)檢測網(wǎng)絡(luò),將隱函數(shù)方法用于預(yù)測三維網(wǎng)格頂點的顏色值,提出了紋理推斷網(wǎng)絡(luò)“ColorNet”,并且將它與單圖三維重建網(wǎng)絡(luò)“IM-RCNN”相結(jié)合,實現(xiàn)了從單張實景圖像中自動地重建帶紋理的三維網(wǎng)格。但在實驗中為三維模型添加UV紋理映射圖需要操作人員有一定的三維建模軟件使用技能和熟練度。因此,探索其他方便有效的紋理采樣方式是下一步的研究重點。

    參考文獻(xiàn)(References):

    [1] 韓煌達(dá),張海翔,馬漢杰,蔣明峰,馮杰.面向?qū)嵕暗膯螆D三維重建算法研究[J].軟件導(dǎo)刊,2021.

    [2] SUN X, WU J, ZHANG X, et al. Pix3d: Dataset and methods for single-image 3d shape modeling: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition[C], 2018.

    [3] YAO S, HSU T M, ZHU J, et al. 3d-aware scene manipulation via inverse graphics: Advances in neural information processing systems[C], 2018.

    [4] WU J, ZHANG C, XUE T, et al. Learning a probabilistic latent space of object shapes via 3d generative-adversarial modeling[J]. Advances in neural information processing systems,2016.29:82-90

    [5] GKIOXARI G, MALIK J, JOHNSON J. Mesh r-cnn:?Proceedings of the IEEE International Conference on Computer Vision[C], 2019.

    [6] SCARSELLI F, GORI M, TSOI A C, et al. The graphneural network model[J]. IEEE Transactions on Neural Networks, 2008,20(1): 61-80.

    [7] HE K, GKIOXARI G, DOLLáR P, et al. Mask r-cnn:Proceedings of the IEEE international conference on computer vision[C], 2017.

    [8] KANAZAWA A, TULSIANI S, EFROS A A, et al. Learning category-specific mesh reconstruction from image collections: Proceedings of the European Conference on Computer Vision (ECCV)[C], 2018.

    [9] TULSIANI S, ZHOU T, EFROS A A, et al. Multi-view supervision for single-view reconstruction via differentiable ray consistency: Proceedings of the IEEE conference on computer vision and pattern recognition[C], 2017.

    [10] SUN Y, LIU Z, WANG Y, et al. Im2avatar: Colorful 3dreconstruction from a single image[J]. arXiv preprint arXiv:1804.06375, 2018.

    [11] NATSUME R, SAITO S, HUANG Z, et al. Siclope:Silhouette-based clothed people: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition[C], 2019.

    [12] SAITO S, HUANG Z, NATSUME R, et al. Pifu: Pixel-aligned implicit function for high-resolution clothed human digitization: Proceedings of the IEEE/CVF International Conference on Computer Vision[C], 2019.

    [13] MESCHEDER L, OECHSLE M, NIEMEYER M, et al.Occupancy networks: Learning 3d reconstruction in function space: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition[C], 2019.

    [14] CHEN Z, ZHANG H. Learning implicit fields for generative shape modeling: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition[C], 2019.

    [15] PARK J J, FLORENCE P, STRAUB J, et al. Deepsdf:?Learning continuous signed distance functions for shape representation: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition[C], 2019.

    [16] REN S, HE K, GIRSHICK R, et al. Faster r-cnn:Towards real-time object detection with region proposal networks[J].IEEE transactions on pattern analysis and machine intelligence,2016.39(6):1137-1149

    [17] HE K, ZHANG X, REN S, et al. Deep Residual Learning for Image Recognition:IEEE Conference on Computer Vision & Pattern Recognition[C]: IEEE,2016.

    [18] HORNIK K, STINCHCOMBE M, WHITE H. Multilayer?feedforward networks are universal approximators[J]. Neural networks,1989.2(5): 359-366

    [19] LORENSEN W E, CLINE H E. Marching cubes: A high resolution 3D surface construction algorithm[J]. ACM siggraph computer graphics,1987.21(4):163-169

    猜你喜歡
    目標(biāo)檢測三維重建
    基于TE-NeuS的人體頭部三維重建
    軟件工程(2024年7期)2024-12-31 00:00:00
    基于Mimics的CT三維重建應(yīng)用分析
    軟件(2020年3期)2020-04-20 00:56:34
    視頻中目標(biāo)檢測算法研究
    軟件(2016年4期)2017-01-20 09:38:03
    行為識別中的人體運(yùn)動目標(biāo)檢測方法
    基于關(guān)系圖的無人機(jī)影像三維重建
    移動機(jī)器人圖像目標(biāo)識別
    三維重建結(jié)合3D打印技術(shù)在腔鏡甲狀腺手術(shù)中的臨床應(yīng)用
    基于背景建模法的運(yùn)動目標(biāo)檢測
    基于P3電位的目標(biāo)檢測研究
    科技視界(2016年4期)2016-02-22 13:09:19
    一種改進(jìn)的峰均功率比判源方法
    狠狠狠狠99中文字幕| 一二三四社区在线视频社区8| 日韩大尺度精品在线看网址 | 天堂俺去俺来也www色官网| 两人在一起打扑克的视频| 国产黄a三级三级三级人| 久久亚洲精品不卡| 脱女人内裤的视频| 国产亚洲欧美精品永久| a在线观看视频网站| 国产精品av久久久久免费| 啦啦啦免费观看视频1| 国产精品一区二区免费欧美| 午夜91福利影院| 欧美日韩精品网址| 超碰97精品在线观看| 久久精品国产综合久久久| 精品一区二区三区视频在线观看免费 | 国产精品av久久久久免费| 亚洲精品中文字幕在线视频| 别揉我奶头~嗯~啊~动态视频| 久久中文字幕一级| 免费在线观看黄色视频的| 国产亚洲欧美98| 午夜成年电影在线免费观看| 亚洲国产欧美网| 欧美日韩av久久| 亚洲成人久久性| 无遮挡黄片免费观看| 亚洲激情在线av| 亚洲狠狠婷婷综合久久图片| 久久精品亚洲av国产电影网| 精品日产1卡2卡| 亚洲欧美激情综合另类| 国产高清激情床上av| 一级黄色大片毛片| 高清在线国产一区| 成人三级做爰电影| 亚洲精品av麻豆狂野| av电影中文网址| 国产视频一区二区在线看| 日韩精品青青久久久久久| 在线观看一区二区三区激情| 女生性感内裤真人,穿戴方法视频| 亚洲av第一区精品v没综合| 国产精品偷伦视频观看了| x7x7x7水蜜桃| 桃色一区二区三区在线观看| 丰满迷人的少妇在线观看| 久久精品国产综合久久久| 久久香蕉精品热| 久久久久亚洲av毛片大全| 美国免费a级毛片| 激情视频va一区二区三区| 伊人久久大香线蕉亚洲五| 一区福利在线观看| 久久精品国产清高在天天线| 香蕉丝袜av| 免费看十八禁软件| 亚洲免费av在线视频| 99热国产这里只有精品6| 在线av久久热| 国产单亲对白刺激| xxxhd国产人妻xxx| 国产精品1区2区在线观看.| 国产激情欧美一区二区| 免费看十八禁软件| 亚洲男人的天堂狠狠| 亚洲avbb在线观看| 免费一级毛片在线播放高清视频 | 久久久精品国产亚洲av高清涩受| 99久久国产精品久久久| √禁漫天堂资源中文www| 亚洲av成人一区二区三| 亚洲国产欧美日韩在线播放| 国产91精品成人一区二区三区| 日韩三级视频一区二区三区| 久久精品aⅴ一区二区三区四区| 丝袜美足系列| 女警被强在线播放| 亚洲av电影在线进入| 久久亚洲真实| 麻豆国产av国片精品| 亚洲avbb在线观看| 又黄又粗又硬又大视频| 亚洲精品一区av在线观看| 亚洲精品一二三| 日韩视频一区二区在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲欧美精品永久| 日韩国内少妇激情av| 丝袜在线中文字幕| 99在线视频只有这里精品首页| 在线av久久热| 成年版毛片免费区| 另类亚洲欧美激情| 久久久国产成人免费| 国产精品电影一区二区三区| 无遮挡黄片免费观看| 亚洲国产精品一区二区三区在线| 国产成人啪精品午夜网站| 亚洲午夜精品一区,二区,三区| 一a级毛片在线观看| 免费搜索国产男女视频| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品成人av观看孕妇| 欧美在线黄色| 90打野战视频偷拍视频| 99热国产这里只有精品6| 欧美大码av| 欧美人与性动交α欧美软件| 男女午夜视频在线观看| 天堂√8在线中文| 最近最新免费中文字幕在线| 国内久久婷婷六月综合欲色啪| 日韩免费高清中文字幕av| 色哟哟哟哟哟哟| 一区二区日韩欧美中文字幕| 精品免费久久久久久久清纯| 国产精品秋霞免费鲁丝片| 视频在线观看一区二区三区| 在线播放国产精品三级| 九色亚洲精品在线播放| 波多野结衣av一区二区av| 在线天堂中文资源库| 亚洲熟妇中文字幕五十中出 | 国产欧美日韩综合在线一区二区| 久久国产精品人妻蜜桃| 美女国产高潮福利片在线看| 久久久国产欧美日韩av| 日韩欧美免费精品| 国产麻豆69| 人妻丰满熟妇av一区二区三区| 国产精品一区二区精品视频观看| 亚洲国产精品sss在线观看 | 女警被强在线播放| 人妻丰满熟妇av一区二区三区| 夜夜看夜夜爽夜夜摸 | 天天躁狠狠躁夜夜躁狠狠躁| 五月开心婷婷网| 桃红色精品国产亚洲av| av天堂久久9| 人人澡人人妻人| 日韩av在线大香蕉| 丰满饥渴人妻一区二区三| 亚洲在线自拍视频| 最新在线观看一区二区三区| 51午夜福利影视在线观看| 欧美黄色片欧美黄色片| 无遮挡黄片免费观看| 在线观看www视频免费| 亚洲专区字幕在线| 看黄色毛片网站| 黄片播放在线免费| 精品国产一区二区久久| 人人妻人人澡人人看| 黄片小视频在线播放| 不卡一级毛片| 国产精品国产av在线观看| 一夜夜www| 久久久国产成人精品二区 | 久久精品aⅴ一区二区三区四区| 少妇裸体淫交视频免费看高清 | 大型黄色视频在线免费观看| 黑丝袜美女国产一区| 最近最新免费中文字幕在线| 法律面前人人平等表现在哪些方面| 咕卡用的链子| 国产野战对白在线观看| 亚洲狠狠婷婷综合久久图片| 老司机午夜福利在线观看视频| 美女福利国产在线| 纯流量卡能插随身wifi吗| 亚洲,欧美精品.| 国产一区二区三区在线臀色熟女 | 欧美日韩亚洲综合一区二区三区_| 女警被强在线播放| 9色porny在线观看| 中文字幕精品免费在线观看视频| 最好的美女福利视频网| 亚洲狠狠婷婷综合久久图片| 成熟少妇高潮喷水视频| 成年版毛片免费区| 精品国产一区二区三区四区第35| 久久久久久久久久久久大奶| 国产高清国产精品国产三级| 国产一区二区三区视频了| 国产av一区二区精品久久| 国产成人精品久久二区二区91| 亚洲成a人片在线一区二区| 国产亚洲精品综合一区在线观看 | 欧美一区二区精品小视频在线| 纯流量卡能插随身wifi吗| 亚洲久久久国产精品| 男人的好看免费观看在线视频 | 精品福利永久在线观看| 国产精品国产高清国产av| 在线免费观看的www视频| 1024视频免费在线观看| 国产精品久久电影中文字幕| 国产精品亚洲一级av第二区| 亚洲成人国产一区在线观看| 久久久久久久久久久久大奶| 法律面前人人平等表现在哪些方面| 亚洲午夜精品一区,二区,三区| 男女下面进入的视频免费午夜 | 国产精品乱码一区二三区的特点 | 侵犯人妻中文字幕一二三四区| 一级黄色大片毛片| 国产主播在线观看一区二区| 国产精品一区二区三区四区久久 | 久久天堂一区二区三区四区| 欧美丝袜亚洲另类 | 新久久久久国产一级毛片| 一级片免费观看大全| av国产精品久久久久影院| 久久国产精品男人的天堂亚洲| 91国产中文字幕| 无限看片的www在线观看| 国产一卡二卡三卡精品| 国产精品秋霞免费鲁丝片| 一级a爱视频在线免费观看| 女生性感内裤真人,穿戴方法视频| 成熟少妇高潮喷水视频| 国产精品影院久久| a级毛片在线看网站| 国产精品野战在线观看 | 一级毛片女人18水好多| 一进一出好大好爽视频| 成年女人毛片免费观看观看9| 亚洲中文字幕日韩| 少妇裸体淫交视频免费看高清 | 亚洲国产毛片av蜜桃av| 午夜精品久久久久久毛片777| 岛国在线观看网站| 天堂√8在线中文| 欧美日韩亚洲国产一区二区在线观看| 男女午夜视频在线观看| 日韩有码中文字幕| 一级a爱视频在线免费观看| 淫秽高清视频在线观看| 91老司机精品| 美女大奶头视频| 亚洲色图 男人天堂 中文字幕| 欧美 亚洲 国产 日韩一| 欧美黑人欧美精品刺激| 国产片内射在线| 99国产极品粉嫩在线观看| 久久精品91无色码中文字幕| 不卡av一区二区三区| 国产成年人精品一区二区 | 久久中文看片网| 亚洲一区高清亚洲精品| 97碰自拍视频| av福利片在线| 精品国产亚洲在线| av超薄肉色丝袜交足视频| 热re99久久国产66热| 国产91精品成人一区二区三区| 国产97色在线日韩免费| 三上悠亚av全集在线观看| 一边摸一边抽搐一进一小说| 色老头精品视频在线观看| 成人亚洲精品一区在线观看| av国产精品久久久久影院| 国产蜜桃级精品一区二区三区| 日本vs欧美在线观看视频| 一区二区三区激情视频| 免费搜索国产男女视频| 在线十欧美十亚洲十日本专区| 久久久水蜜桃国产精品网| 精品欧美一区二区三区在线| 嫩草影视91久久| 日韩高清综合在线| 一边摸一边抽搐一进一出视频| 视频区欧美日本亚洲| 中文字幕最新亚洲高清| 国产av一区二区精品久久| 亚洲免费av在线视频| 一进一出抽搐gif免费好疼 | 9热在线视频观看99| 91麻豆精品激情在线观看国产 | 亚洲伊人色综图| 18禁美女被吸乳视频| 真人做人爱边吃奶动态| 91精品三级在线观看| 色尼玛亚洲综合影院| 久久人人精品亚洲av| 在线观看免费午夜福利视频| 亚洲国产欧美日韩在线播放| 两性夫妻黄色片| 欧美精品亚洲一区二区| 最近最新中文字幕大全免费视频| 国产精品久久久久成人av| 亚洲精品粉嫩美女一区| 脱女人内裤的视频| 国产欧美日韩精品亚洲av| 法律面前人人平等表现在哪些方面| 国产亚洲精品第一综合不卡| aaaaa片日本免费| 每晚都被弄得嗷嗷叫到高潮| 男人的好看免费观看在线视频 | 国产精品偷伦视频观看了| 曰老女人黄片| 欧美在线一区亚洲| a级毛片黄视频| 日韩欧美免费精品| 日韩免费高清中文字幕av| 国产精品日韩av在线免费观看 | 在线观看免费视频日本深夜| 满18在线观看网站| 国产精品久久久久成人av| 淫秽高清视频在线观看| 中文字幕高清在线视频| 国产精品九九99| 国产精品一区二区在线不卡| 国产91精品成人一区二区三区| 亚洲国产中文字幕在线视频| 啦啦啦免费观看视频1| 色婷婷av一区二区三区视频| www.自偷自拍.com| 国产精品美女特级片免费视频播放器 | 日本三级黄在线观看| 精品一区二区三区视频在线观看免费 | 长腿黑丝高跟| 首页视频小说图片口味搜索| 乱人伦中国视频| 久99久视频精品免费| 侵犯人妻中文字幕一二三四区| 99国产精品一区二区蜜桃av| 免费日韩欧美在线观看| 天堂中文最新版在线下载| 在线观看舔阴道视频| 琪琪午夜伦伦电影理论片6080| 人妻丰满熟妇av一区二区三区| 1024香蕉在线观看| 欧美另类亚洲清纯唯美| 一区福利在线观看| 免费av中文字幕在线| 国产xxxxx性猛交| 国产成人欧美在线观看| 精品久久久久久,| 三级毛片av免费| ponron亚洲| 香蕉国产在线看| 夜夜看夜夜爽夜夜摸 | 老司机深夜福利视频在线观看| 午夜福利在线免费观看网站| 在线观看舔阴道视频| 一个人免费在线观看的高清视频| 亚洲中文日韩欧美视频| videosex国产| 91九色精品人成在线观看| 色综合站精品国产| netflix在线观看网站| 久久久国产精品麻豆| xxxhd国产人妻xxx| 五月开心婷婷网| 一级毛片精品| 午夜福利免费观看在线| 欧美日韩国产mv在线观看视频| 露出奶头的视频| 久久 成人 亚洲| 免费高清视频大片| 国产成人免费无遮挡视频| 欧美激情极品国产一区二区三区| 亚洲中文日韩欧美视频| av在线天堂中文字幕 | 一二三四社区在线视频社区8| 丰满迷人的少妇在线观看| 18禁国产床啪视频网站| 夜夜躁狠狠躁天天躁| 在线免费观看的www视频| 91大片在线观看| 国产一卡二卡三卡精品| 人人妻人人添人人爽欧美一区卜| 亚洲熟妇中文字幕五十中出 | 91av网站免费观看| 757午夜福利合集在线观看| 亚洲国产精品一区二区三区在线| 老司机在亚洲福利影院| 最近最新免费中文字幕在线| 亚洲熟女毛片儿| 这个男人来自地球电影免费观看| 妹子高潮喷水视频| 日韩有码中文字幕| 国产男靠女视频免费网站| 国产亚洲欧美98| av中文乱码字幕在线| x7x7x7水蜜桃| 91成人精品电影| 精品无人区乱码1区二区| 欧美+亚洲+日韩+国产| 精品无人区乱码1区二区| 亚洲伊人色综图| 桃色一区二区三区在线观看| 啦啦啦免费观看视频1| 熟女少妇亚洲综合色aaa.| 久久精品aⅴ一区二区三区四区| 色尼玛亚洲综合影院| 欧美午夜高清在线| 久久久久久久久免费视频了| 日本黄色日本黄色录像| 一级毛片高清免费大全| 欧美激情高清一区二区三区| www日本在线高清视频| 日日干狠狠操夜夜爽| 美女国产高潮福利片在线看| 丝袜人妻中文字幕| 亚洲欧美激情在线| 真人一进一出gif抽搐免费| 欧美日韩亚洲高清精品| 美女 人体艺术 gogo| 亚洲少妇的诱惑av| 亚洲第一欧美日韩一区二区三区| 男人舔女人下体高潮全视频| 91大片在线观看| 中文字幕人妻丝袜一区二区| 一区二区三区国产精品乱码| 亚洲性夜色夜夜综合| 在线国产一区二区在线| 人人妻人人爽人人添夜夜欢视频| 国产精品亚洲av一区麻豆| 女同久久另类99精品国产91| 99在线人妻在线中文字幕| x7x7x7水蜜桃| 午夜激情av网站| 琪琪午夜伦伦电影理论片6080| 97超级碰碰碰精品色视频在线观看| 一边摸一边抽搐一进一出视频| 一二三四社区在线视频社区8| 一级片'在线观看视频| 亚洲一区二区三区色噜噜 | 亚洲情色 制服丝袜| 国产又色又爽无遮挡免费看| av天堂久久9| 国产欧美日韩精品亚洲av| 成人精品一区二区免费| 亚洲av第一区精品v没综合| 国产精品一区二区精品视频观看| 欧美精品一区二区免费开放| 波多野结衣高清无吗| 少妇的丰满在线观看| 久久精品aⅴ一区二区三区四区| 欧美大码av| 亚洲精品美女久久av网站| 国产亚洲精品综合一区在线观看 | 国产精品一区二区精品视频观看| 香蕉国产在线看| 久久人人97超碰香蕉20202| 亚洲一区高清亚洲精品| 午夜福利一区二区在线看| 国产日韩一区二区三区精品不卡| 女性生殖器流出的白浆| 在线十欧美十亚洲十日本专区| 亚洲国产欧美一区二区综合| 麻豆久久精品国产亚洲av | 日本欧美视频一区| 伦理电影免费视频| 亚洲中文av在线| 中文字幕精品免费在线观看视频| 免费看十八禁软件| 精品电影一区二区在线| 久久久久国产一级毛片高清牌| 80岁老熟妇乱子伦牲交| 国产精品电影一区二区三区| 久久人妻熟女aⅴ| 一级a爱视频在线免费观看| 后天国语完整版免费观看| 99久久人妻综合| 人妻久久中文字幕网| 亚洲第一青青草原| 99国产精品99久久久久| 久久久久久久精品吃奶| 色哟哟哟哟哟哟| 99久久精品国产亚洲精品| 国产真人三级小视频在线观看| 男女高潮啪啪啪动态图| 五月开心婷婷网| 亚洲va日本ⅴa欧美va伊人久久| 免费看十八禁软件| 自线自在国产av| 自拍欧美九色日韩亚洲蝌蚪91| 日本 av在线| 人妻丰满熟妇av一区二区三区| 黑丝袜美女国产一区| 欧美日韩av久久| 国产欧美日韩一区二区精品| 天天躁狠狠躁夜夜躁狠狠躁| 成人18禁高潮啪啪吃奶动态图| 黄色视频不卡| 岛国在线观看网站| 真人一进一出gif抽搐免费| 国产三级在线视频| 级片在线观看| 精品久久久久久久毛片微露脸| 国产精品乱码一区二三区的特点 | 亚洲精品在线观看二区| 久久久久国产一级毛片高清牌| 80岁老熟妇乱子伦牲交| 久久国产亚洲av麻豆专区| 国产伦人伦偷精品视频| 丰满饥渴人妻一区二区三| 亚洲欧美激情综合另类| 日韩欧美一区二区三区在线观看| 99国产精品99久久久久| av网站免费在线观看视频| 亚洲成人久久性| 可以免费在线观看a视频的电影网站| 午夜免费观看网址| 精品国产国语对白av| 日韩人妻精品一区2区三区| 国产一区二区三区视频了| 精品久久久久久电影网| 日韩欧美一区二区三区在线观看| 成人精品一区二区免费| 一级片免费观看大全| ponron亚洲| 久久久国产一区二区| 日本黄色日本黄色录像| www日本在线高清视频| 午夜精品在线福利| 美女大奶头视频| 久久久久久久久免费视频了| 日韩欧美免费精品| 精品国产亚洲在线| 女人被狂操c到高潮| 国产精品久久久人人做人人爽| 久久青草综合色| 午夜亚洲福利在线播放| 不卡一级毛片| 亚洲欧美精品综合久久99| 99热只有精品国产| 国产熟女xx| 桃红色精品国产亚洲av| 色在线成人网| 91老司机精品| 亚洲欧美一区二区三区黑人| 麻豆久久精品国产亚洲av | 免费在线观看完整版高清| 在线国产一区二区在线| 久久久久国内视频| 最好的美女福利视频网| 9色porny在线观看| 免费女性裸体啪啪无遮挡网站| 妹子高潮喷水视频| 精品欧美一区二区三区在线| 久久久水蜜桃国产精品网| 欧美激情久久久久久爽电影 | 国产aⅴ精品一区二区三区波| 视频区欧美日本亚洲| 一级a爱视频在线免费观看| 精品一区二区三区四区五区乱码| 男女做爰动态图高潮gif福利片 | 超碰成人久久| 一区在线观看完整版| 999久久久国产精品视频| aaaaa片日本免费| 欧美av亚洲av综合av国产av| 热99re8久久精品国产| 一进一出抽搐gif免费好疼 | 精品福利观看| 一级,二级,三级黄色视频| av免费在线观看网站| 一级,二级,三级黄色视频| 在线观看免费视频日本深夜| 超色免费av| 国产一区二区三区视频了| 久久久国产成人免费| 亚洲 国产 在线| 老司机午夜十八禁免费视频| 亚洲少妇的诱惑av| 亚洲欧美精品综合久久99| 男女做爰动态图高潮gif福利片 | 精品熟女少妇八av免费久了| 波多野结衣高清无吗| 少妇的丰满在线观看| 国产高清激情床上av| 久久热在线av| 亚洲av日韩精品久久久久久密| 亚洲一区二区三区不卡视频| 国产成人精品无人区| 一级a爱视频在线免费观看| 国产色视频综合| ponron亚洲| 欧美丝袜亚洲另类 | 狠狠狠狠99中文字幕| 热99国产精品久久久久久7| 交换朋友夫妻互换小说| 又紧又爽又黄一区二区| tocl精华| 99久久人妻综合| 性欧美人与动物交配| 一区二区日韩欧美中文字幕| 黄片播放在线免费| 久久久国产精品麻豆| 欧美性长视频在线观看| 18美女黄网站色大片免费观看| 国产99白浆流出| 美女 人体艺术 gogo| 久久国产精品男人的天堂亚洲| 正在播放国产对白刺激| 成年人免费黄色播放视频| 午夜福利影视在线免费观看| 国产精品 国内视频| 亚洲精品国产区一区二| 国产精品秋霞免费鲁丝片| 国产真人三级小视频在线观看| 制服人妻中文乱码| 19禁男女啪啪无遮挡网站| 国产成+人综合+亚洲专区| 男女下面插进去视频免费观看| 欧美性长视频在线观看| 国产精品 国内视频| 丝袜在线中文字幕|