• <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
    99国产极品粉嫩在线观看| 日韩中文字幕欧美一区二区| 色综合婷婷激情| av国产精品久久久久影院| 亚洲avbb在线观看| 国产成人免费观看mmmm| 中文字幕制服av| 国产97色在线日韩免费| av视频免费观看在线观看| 黄色 视频免费看| 99香蕉大伊视频| 超色免费av| 中国美女看黄片| 在线看a的网站| 亚洲精品国产精品久久久不卡| 黄片小视频在线播放| 一个人免费看片子| 午夜福利视频在线观看免费| 亚洲精品在线美女| 国产精品久久久久成人av| 成人18禁高潮啪啪吃奶动态图| 国产男女内射视频| www.精华液| 高清av免费在线| 精品久久久久久电影网| 日本av免费视频播放| 亚洲精品国产色婷婷电影| 99精品久久久久人妻精品| 中国美女看黄片| 久久免费观看电影| 日韩人妻精品一区2区三区| 久久久久久久精品吃奶| 精品免费久久久久久久清纯 | av免费在线观看网站| av电影中文网址| 搡老熟女国产l中国老女人| 美国免费a级毛片| 亚洲 欧美一区二区三区| 久久青草综合色| 青青草视频在线视频观看| 青青草视频在线视频观看| 黄色丝袜av网址大全| √禁漫天堂资源中文www| 首页视频小说图片口味搜索| 亚洲一卡2卡3卡4卡5卡精品中文| 69精品国产乱码久久久| 久久午夜亚洲精品久久| 啪啪无遮挡十八禁网站| 91av网站免费观看| videosex国产| 人人妻人人爽人人添夜夜欢视频| 少妇被粗大的猛进出69影院| 在线观看免费视频网站a站| 两个人免费观看高清视频| 久久亚洲精品不卡| 国产免费av片在线观看野外av| 精品国产一区二区三区四区第35| 少妇精品久久久久久久| 亚洲美女黄片视频| 老熟妇仑乱视频hdxx| 亚洲精品中文字幕在线视频| 亚洲精品成人av观看孕妇| 国产精品99久久99久久久不卡| 曰老女人黄片| 激情在线观看视频在线高清 | 9色porny在线观看| 两个人看的免费小视频| 国产一区二区 视频在线| 人人澡人人妻人| 欧美久久黑人一区二区| 欧美中文综合在线视频| 亚洲精品国产色婷婷电影| 午夜成年电影在线免费观看| 老司机午夜十八禁免费视频| 99精品久久久久人妻精品| 最黄视频免费看| 电影成人av| 人成视频在线观看免费观看| 久久久久久久精品吃奶| 亚洲黑人精品在线| av福利片在线| 久久国产精品大桥未久av| 亚洲精品粉嫩美女一区| 深夜精品福利| 99re6热这里在线精品视频| 人人妻人人爽人人添夜夜欢视频| 黄片小视频在线播放| 国产不卡av网站在线观看| 国产欧美日韩一区二区三| 国产日韩欧美亚洲二区| 久久国产精品影院| 国产精品98久久久久久宅男小说| 高清欧美精品videossex| 欧美国产精品va在线观看不卡| 夜夜骑夜夜射夜夜干| 亚洲av片天天在线观看| 国产av国产精品国产| 国产免费视频播放在线视频| 在线观看免费高清a一片| 国产免费视频播放在线视频| 亚洲av成人一区二区三| 搡老熟女国产l中国老女人| 一区二区三区乱码不卡18| 久久精品亚洲精品国产色婷小说| 欧美乱码精品一区二区三区| 成人永久免费在线观看视频 | 国产欧美日韩一区二区三| 另类亚洲欧美激情| 亚洲第一av免费看| avwww免费| 国产又色又爽无遮挡免费看| 欧美在线黄色| 国产精品久久久av美女十八| 啦啦啦免费观看视频1| 午夜免费成人在线视频| 久久久国产欧美日韩av| 丝瓜视频免费看黄片| 人人妻,人人澡人人爽秒播| 正在播放国产对白刺激| av网站在线播放免费| 精品午夜福利视频在线观看一区 | 国产成人av激情在线播放| 国产亚洲午夜精品一区二区久久| 色婷婷av一区二区三区视频| 最新在线观看一区二区三区| 狠狠狠狠99中文字幕| 另类亚洲欧美激情| 午夜福利乱码中文字幕| 欧美老熟妇乱子伦牲交| 国产不卡av网站在线观看| 亚洲精品美女久久久久99蜜臀| 成人免费观看视频高清| 51午夜福利影视在线观看| 亚洲精品中文字幕一二三四区 | 激情在线观看视频在线高清 | 757午夜福利合集在线观看| 久久久久网色| 手机成人av网站| 美国免费a级毛片| 九色亚洲精品在线播放| 中文字幕制服av| 日韩视频在线欧美| 人妻一区二区av| 少妇裸体淫交视频免费看高清 | 午夜福利在线免费观看网站| cao死你这个sao货| 欧美精品一区二区免费开放| 日韩一卡2卡3卡4卡2021年| 熟女少妇亚洲综合色aaa.| 国产在线精品亚洲第一网站| 黑人操中国人逼视频| 建设人人有责人人尽责人人享有的| 丝瓜视频免费看黄片| 欧美黑人精品巨大| 久久久国产精品麻豆| 国产精品久久久久久人妻精品电影 | 青草久久国产| 成人国产av品久久久| 悠悠久久av| 亚洲国产看品久久| 精品人妻熟女毛片av久久网站| 国内毛片毛片毛片毛片毛片| 18在线观看网站| 男人操女人黄网站| 欧美人与性动交α欧美精品济南到| 亚洲av欧美aⅴ国产| 视频区图区小说| 午夜成年电影在线免费观看| 丰满少妇做爰视频| 久久久久网色| 成人特级黄色片久久久久久久 | 久久中文字幕人妻熟女| 欧美日韩成人在线一区二区| 日韩一卡2卡3卡4卡2021年| 成人影院久久| 岛国在线观看网站| 久久久久久久大尺度免费视频| 欧美黑人精品巨大| 国产一区二区三区在线臀色熟女 | 女同久久另类99精品国产91| 天天躁狠狠躁夜夜躁狠狠躁| 黄片小视频在线播放| 国产精品 国内视频| 黄色片一级片一级黄色片| 久久国产精品人妻蜜桃| 日韩免费高清中文字幕av| 悠悠久久av| a级片在线免费高清观看视频| 国产亚洲精品久久久久5区| 亚洲人成伊人成综合网2020| 久久人妻av系列| 欧美精品啪啪一区二区三区| 国产深夜福利视频在线观看| 高清视频免费观看一区二区| 免费女性裸体啪啪无遮挡网站| 亚洲熟女精品中文字幕| 欧美中文综合在线视频| 亚洲午夜理论影院| 老熟妇仑乱视频hdxx| 欧美老熟妇乱子伦牲交| 99国产精品一区二区蜜桃av | 大香蕉久久成人网| 中文字幕色久视频| 亚洲中文日韩欧美视频| 九色亚洲精品在线播放| 欧美精品高潮呻吟av久久| www.999成人在线观看| 老鸭窝网址在线观看| 女人精品久久久久毛片| 久久 成人 亚洲| 女同久久另类99精品国产91| 少妇精品久久久久久久| 19禁男女啪啪无遮挡网站| 91国产中文字幕| 午夜久久久在线观看| 人人妻人人澡人人看| 亚洲欧洲日产国产| 女人爽到高潮嗷嗷叫在线视频| 在线观看www视频免费| 午夜福利欧美成人| 亚洲av电影在线进入| 成年人黄色毛片网站| 法律面前人人平等表现在哪些方面| 夜夜骑夜夜射夜夜干| 中文字幕制服av| 国产欧美日韩精品亚洲av| 麻豆av在线久日| 欧美一级毛片孕妇| netflix在线观看网站| 91字幕亚洲| 国产一卡二卡三卡精品| 中亚洲国语对白在线视频| 成人国语在线视频| 91精品国产国语对白视频| 欧美 日韩 精品 国产| 国产午夜精品久久久久久| 黄片大片在线免费观看| 夫妻午夜视频| 一本综合久久免费| 亚洲国产欧美日韩在线播放| 精品人妻在线不人妻| 久久精品国产亚洲av高清一级| 精品国产乱码久久久久久小说| 91大片在线观看| 在线 av 中文字幕| 亚洲欧美色中文字幕在线| 成在线人永久免费视频| 别揉我奶头~嗯~啊~动态视频| 91老司机精品| 一边摸一边做爽爽视频免费| 成年动漫av网址| 中文字幕人妻丝袜制服| 操美女的视频在线观看| 久久99热这里只频精品6学生| 精品国产亚洲在线| 国产91精品成人一区二区三区 | 色播在线永久视频| 久久久久久人人人人人| 99国产精品免费福利视频| 桃红色精品国产亚洲av| 一级毛片电影观看| 在线十欧美十亚洲十日本专区| 乱人伦中国视频| 午夜福利在线免费观看网站| 日本一区二区免费在线视频| 久久青草综合色| 亚洲国产欧美日韩在线播放| 人妻一区二区av| 亚洲人成电影观看| av天堂久久9| 亚洲五月色婷婷综合| 国产一卡二卡三卡精品| 男女边摸边吃奶| 久久久精品94久久精品| 777久久人妻少妇嫩草av网站| 国产又爽黄色视频| 成在线人永久免费视频| 国产成人一区二区三区免费视频网站| 国精品久久久久久国模美| 妹子高潮喷水视频| 亚洲男人天堂网一区| 亚洲人成电影观看| 搡老乐熟女国产| 久热爱精品视频在线9| 国产一卡二卡三卡精品| 男女边摸边吃奶| 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| 久久久精品免费免费高清| 在线看a的网站| 久久久国产一区二区| 欧美国产精品va在线观看不卡| 精品国产一区二区三区四区第35| 大型av网站在线播放| 最新在线观看一区二区三区| 色播在线永久视频| 老熟女久久久| 免费高清在线观看日韩| 精品久久久久久电影网| 中文字幕精品免费在线观看视频| 亚洲少妇的诱惑av| 天天添夜夜摸| 日本vs欧美在线观看视频| 久久国产亚洲av麻豆专区| 老汉色∧v一级毛片| av有码第一页| 亚洲国产av新网站| 王馨瑶露胸无遮挡在线观看| 三上悠亚av全集在线观看| 色94色欧美一区二区| 精品国产乱码久久久久久小说| 天堂8中文在线网| 欧美成人午夜精品| 蜜桃在线观看..| 亚洲av国产av综合av卡| 国产精品一区二区在线不卡| 欧美日韩av久久| 国产精品香港三级国产av潘金莲| 黄频高清免费视频| 亚洲伊人久久精品综合| 无限看片的www在线观看| 啦啦啦免费观看视频1| 交换朋友夫妻互换小说| 欧美成人免费av一区二区三区 | 日韩一卡2卡3卡4卡2021年| 99精品在免费线老司机午夜| 大型黄色视频在线免费观看| 免费高清在线观看日韩| 一本色道久久久久久精品综合| 亚洲成人手机| 99久久人妻综合| 久久国产精品大桥未久av| 最新在线观看一区二区三区| 免费在线观看视频国产中文字幕亚洲| 国产日韩欧美在线精品| 男女下面插进去视频免费观看| 国产亚洲欧美精品永久| 免费日韩欧美在线观看| 80岁老熟妇乱子伦牲交| 国产黄频视频在线观看| 亚洲欧美日韩高清在线视频 | 成人手机av| 热re99久久精品国产66热6| 日韩欧美三级三区| 日本一区二区免费在线视频| 美女福利国产在线| 午夜精品国产一区二区电影| 亚洲av电影在线进入| 久久久久视频综合| 国产精品免费视频内射| 亚洲男人天堂网一区| 老司机午夜十八禁免费视频| 亚洲欧美一区二区三区久久| 欧美精品高潮呻吟av久久| 国产精品久久久久久人妻精品电影 | 亚洲欧美日韩高清在线视频 | 两性夫妻黄色片| 男男h啪啪无遮挡| 搡老岳熟女国产| 最近最新免费中文字幕在线| 丁香六月欧美| 亚洲国产毛片av蜜桃av| 午夜福利在线观看吧| 大片免费播放器 马上看| 国产精品香港三级国产av潘金莲| 成年人黄色毛片网站| 欧美日韩国产mv在线观看视频| 国产又爽黄色视频| 欧美乱妇无乱码| 国产成+人综合+亚洲专区| 亚洲视频免费观看视频| 99精品久久久久人妻精品| 岛国在线观看网站| 亚洲成av片中文字幕在线观看| 亚洲人成伊人成综合网2020| 岛国在线观看网站| 亚洲精品一二三| 别揉我奶头~嗯~啊~动态视频| 午夜福利影视在线免费观看| 两个人免费观看高清视频| 成人手机av| 精品久久久精品久久久| 国产又爽黄色视频| av超薄肉色丝袜交足视频| √禁漫天堂资源中文www| 国产日韩欧美视频二区| 99国产综合亚洲精品| 久久久久国产一级毛片高清牌| 亚洲精品国产区一区二| 男女免费视频国产| 成人18禁高潮啪啪吃奶动态图| 韩国精品一区二区三区| 交换朋友夫妻互换小说| 黄色毛片三级朝国网站| 99re在线观看精品视频| 成人手机av| 精品少妇内射三级| 亚洲欧美色中文字幕在线| 十八禁人妻一区二区| 国产成人精品久久二区二区免费| avwww免费| 青草久久国产| 天天躁日日躁夜夜躁夜夜| 精品乱码久久久久久99久播| 极品人妻少妇av视频| 日韩一区二区三区影片| 国产男女超爽视频在线观看| 国产男女内射视频| 伦理电影免费视频| 麻豆成人av在线观看| 色94色欧美一区二区| 亚洲精品国产色婷婷电影| 丝瓜视频免费看黄片| 久久精品91无色码中文字幕| 中文字幕av电影在线播放| 国产一区有黄有色的免费视频| 国产欧美日韩综合在线一区二区| 黄色成人免费大全| 亚洲九九香蕉| 国产99久久九九免费精品| 在线观看一区二区三区激情| 国产黄色免费在线视频| 男男h啪啪无遮挡| 他把我摸到了高潮在线观看 | 天天躁夜夜躁狠狠躁躁| 中文字幕另类日韩欧美亚洲嫩草| 国产日韩一区二区三区精品不卡| 国产野战对白在线观看| 日韩大码丰满熟妇| 国产亚洲精品一区二区www | 亚洲av美国av| 精品久久蜜臀av无| 国产精品久久久久久精品古装| 国产欧美亚洲国产| 人人妻人人澡人人爽人人夜夜| 亚洲av美国av| 丁香六月天网| 一级黄色大片毛片| 精品国产乱码久久久久久小说| 亚洲伊人久久精品综合| 久久久久久久久免费视频了| 岛国毛片在线播放| 99热国产这里只有精品6| 国产精品国产高清国产av | 大香蕉久久网| 久久久久精品国产欧美久久久| 日韩欧美国产一区二区入口| 久9热在线精品视频| 欧美日韩av久久| 90打野战视频偷拍视频| 黄色丝袜av网址大全| 午夜福利视频在线观看免费| 精品熟女少妇八av免费久了| 国产精品98久久久久久宅男小说| 国内毛片毛片毛片毛片毛片| 丰满人妻熟妇乱又伦精品不卡| 亚洲 国产 在线| 亚洲五月婷婷丁香| a级毛片黄视频| 国产精品自产拍在线观看55亚洲 | 啦啦啦中文免费视频观看日本| 成年动漫av网址| e午夜精品久久久久久久| 女人被躁到高潮嗷嗷叫费观| 久久精品成人免费网站| 国产精品熟女久久久久浪| 久久久国产精品麻豆| 脱女人内裤的视频| 亚洲精品一二三| 一本色道久久久久久精品综合| 每晚都被弄得嗷嗷叫到高潮| 视频在线观看一区二区三区| 日韩免费高清中文字幕av| 老司机福利观看| 老熟女久久久| 99香蕉大伊视频| 老熟妇乱子伦视频在线观看| 国产精品自产拍在线观看55亚洲 | 在线播放国产精品三级| 丁香六月天网| 99热国产这里只有精品6| 建设人人有责人人尽责人人享有的| 国产成人精品无人区| 91精品国产国语对白视频| 久久中文看片网| 国产亚洲欧美精品永久| 女人高潮潮喷娇喘18禁视频| 欧美日韩一级在线毛片| 激情视频va一区二区三区| 国产精品 国内视频| 高清欧美精品videossex| 成人亚洲精品一区在线观看| 一级毛片女人18水好多| 日韩欧美三级三区| 美女扒开内裤让男人捅视频| 亚洲少妇的诱惑av| 99热国产这里只有精品6| 欧美成人午夜精品| 母亲3免费完整高清在线观看| 国产精品久久久久成人av| 五月开心婷婷网| 国产精品一区二区免费欧美| 午夜福利一区二区在线看| 777米奇影视久久| 午夜福利视频在线观看免费| 国产精品秋霞免费鲁丝片| 亚洲国产成人一精品久久久| 日韩大码丰满熟妇| 9热在线视频观看99| 国产有黄有色有爽视频| 丝袜美足系列| 日韩熟女老妇一区二区性免费视频| 日本av手机在线免费观看| 他把我摸到了高潮在线观看 | 老熟女久久久| 免费在线观看黄色视频的| 亚洲精品中文字幕在线视频| 国产成人影院久久av| 麻豆成人av在线观看| 亚洲国产欧美一区二区综合| av不卡在线播放| 精品国产乱码久久久久久男人| 99国产精品99久久久久| 日韩三级视频一区二区三区| 黄色a级毛片大全视频| 亚洲,欧美精品.| 久久影院123| 国产精品久久久人人做人人爽| 美女扒开内裤让男人捅视频| 日韩 欧美 亚洲 中文字幕| 国产成人欧美在线观看 | 一个人免费看片子| 国产成人欧美在线观看 | 91成人精品电影| 午夜老司机福利片| 自线自在国产av| av福利片在线| 午夜精品国产一区二区电影| 亚洲天堂av无毛| 91字幕亚洲| 菩萨蛮人人尽说江南好唐韦庄| 丝瓜视频免费看黄片| 久久这里只有精品19| 国产深夜福利视频在线观看| 亚洲人成电影免费在线| 12—13女人毛片做爰片一| 免费观看a级毛片全部| 999久久久精品免费观看国产| 久久九九热精品免费| 亚洲精品在线美女| 免费看十八禁软件| 黑人巨大精品欧美一区二区mp4| 中国美女看黄片| 国产视频一区二区在线看| 久久精品成人免费网站| 建设人人有责人人尽责人人享有的| 中亚洲国语对白在线视频| 一级a爱视频在线免费观看| 交换朋友夫妻互换小说| 777久久人妻少妇嫩草av网站| 久久天躁狠狠躁夜夜2o2o| 国产精品1区2区在线观看. | 成年动漫av网址| 大片电影免费在线观看免费| 免费在线观看影片大全网站| 69av精品久久久久久 | 久久久水蜜桃国产精品网| 久久久国产一区二区| 搡老岳熟女国产| 亚洲avbb在线观看| 国产精品国产av在线观看| 精品一区二区三区av网在线观看 | 久久久久久久精品吃奶| 777久久人妻少妇嫩草av网站| 亚洲一码二码三码区别大吗| 老司机在亚洲福利影院| a级毛片在线看网站| 精品少妇一区二区三区视频日本电影| 久久久久国内视频| 另类精品久久| 精品国产乱码久久久久久小说| 人妻一区二区av| 国产aⅴ精品一区二区三区波| 精品乱码久久久久久99久播| 久久99热这里只频精品6学生| 亚洲成av片中文字幕在线观看| 黄色毛片三级朝国网站| 成年人免费黄色播放视频| 国产av国产精品国产| 人人妻人人澡欧美一区二区| 国产精品 国内视频| 亚洲人成网站在线播放欧美日韩| 18禁裸乳无遮挡免费网站照片| 日本黄色视频三级网站网址| 好男人在线观看高清免费视频| 日韩免费av在线播放| 日本撒尿小便嘘嘘汇集6| 搡老岳熟女国产| 法律面前人人平等表现在哪些方面| 久久精品国产清高在天天线| 最近最新中文字幕大全电影3| 国产精品,欧美在线| 免费在线观看日本一区| 19禁男女啪啪无遮挡网站| 国产亚洲精品av在线| 观看美女的网站| av福利片在线观看| 一边摸一边抽搐一进一小说| 亚洲中文字幕一区二区三区有码在线看 | 熟女少妇亚洲综合色aaa.| 免费电影在线观看免费观看| 99热精品在线国产| 国内毛片毛片毛片毛片毛片| 精品福利观看| 欧美乱妇无乱码|