• <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 ?

    未知空間目標紋理缺失表面三維重建算法

    2022-02-01 13:42:26黃燁飛張澤旭崔祜濤
    宇航學報 2022年12期
    關鍵詞:體素像素深度

    黃燁飛,張澤旭,崔祜濤

    (哈爾濱工業(yè)大學航天學院深空探測基礎研究中心,哈爾濱 150080)

    0 引 言

    獲取空間目標的高精度形貌與完整三維結構是在軌服務與維護的基礎。相較于利用激光掃描獲取空間目標結構,基于多視圖幾何原理重建目標三維結構的技術,即從運動恢復結構(Structure from motion,SfM)技術,在工作頻率和重建精度上均有較大提升,也是現(xiàn)在計算機視覺在航天領域的重要應用之一。

    傳統(tǒng)的多視圖幾何技術需要從像素梯度信息中提取特征點,并在不同圖像間構建特征點的對應關系。對于紋理豐富的區(qū)域,傳統(tǒng)算法能夠提取大量穩(wěn)定的特征位置,進而在恢復目標結構時產(chǎn)生較為稠密的結果。

    然而,對于光滑且缺乏紋理的目標區(qū)域,如衛(wèi)星表面因反射導致的高亮度區(qū)域,缺失的特征點導致重建結果的缺失。另一方面,對于空間目標中的相似特征點,如太陽能電池的角點等,傳統(tǒng)的SfM過程并不能獲取特征點在圖像中相對其他特征的全局位置信息,錯誤的匹配關系也可能導致重建結果的不完整。文獻[1]通過對核線圖進行邊緣檢測以解決圖像弱紋理區(qū)域匹配問題,文獻[2]融合傾斜攝影和激光掃描提高重建結果的完整性。然而這些方法其本質(zhì)上依然沿用增強圖像紋理特征、利用相機組限制圖像匹配范圍[3]的思路,并不能解決傳統(tǒng)算法對于特征獨特性的依賴。

    近年來隨著深度學習技術的發(fā)展,基于深度學習的三維重建技術在提高重建精度、完整性以及運算速度等方面有著巨大的潛力。利用基于訓練獲得的特征提取和匹配過程代替?zhèn)鹘y(tǒng)人為設計的圖像特征提取和描述,可以將圖像的全局信息引入局部的特征描述中,從而提升特征提取的數(shù)量以及匹配結果,進而緩解紋理缺失區(qū)域的重建結果完整性問題。如文獻[4]利用深度學習模塊替代了傳統(tǒng)特征提取的響應計算、主方向計算和描述過程,文獻[5]在構建特征描述過程中進行了額外的全局信息整合,文獻[6]利用大量仿真角點圖像進行預訓練等。但是這類算法僅提升了特征點提取和匹配的性能,并不能完全解決重建的完整性問題。

    除了上述利用深度學習對傳統(tǒng)重建技術進行改進的策略,另一種策略通過輸入圖像序列以及對應的相機外參,將整個重建空間進行立體網(wǎng)格劃分,并直接對重建空間進行估計以獲得目標的三維結構[7-8]。這類端到端的深度學習框架通過對三維空間進行插值構建目標表面,極大提升了三維重建結果的完整性。然而,其重建精度受限于網(wǎng)格大小劃分,同時,其輸出結果極大占用內(nèi)存空間造成模型訓練困難。

    近年來,基于逐像素深度估計的三維重建算法有效地緩解了內(nèi)存空間的消耗問題。通過輸入序列圖像以及對應的相機外參,利用深度學習框架獲取序列圖像初始參考幀中任意像素的深度,并最終整合多個圖像序列獲得目標的完整三維結構。文獻[9-10]中,通過多個卷積層提取圖像特征,并提出對不同深度平面通過單應性變化構建三維的視差損失張量(Cost Volume)以表征圖像間相同像素位置的對應情況。然而,此類方法在卷積過程中僅保留原始圖像1/16尺寸,丟失了部分深度信息。研究過程中進一步發(fā)現(xiàn),此類算法對于航天場景中的空間目標仿真圖像并不適用。

    為了實現(xiàn)未知空間目標紋理缺失表面的完整三維重建,本文設計了一種通過神經(jīng)網(wǎng)絡估計像素深度,并利用截斷符號距離函數(shù)(Truncated signed distance function, TSDF)進行表面重建的算法。本文設計的神經(jīng)網(wǎng)絡框架借鑒了MVSNet[9]中利用深度區(qū)間計算Cost Volume的設計策略,通過計算不同深度間隔在圖像間的投影關系計算Cost Volume,保證了網(wǎng)絡對不同長度圖像序列的穩(wěn)定性。但是本文所設計網(wǎng)絡結構舍棄了單獨的特征提取模塊,同時在獲得1/16深度圖后,通過上采樣以及重投影過程,實現(xiàn)在原始圖像尺寸下的像素深度估計。在獲取單幅圖像深度圖后,將深度估計網(wǎng)絡對特征點的估計誤差作為圖像篩選的閾值,并利用TSDF對不同序列的深度估計結果進行融合,恢復目標表面結構。仿真校驗結果表明,本文所設計算法在保證重建精度的同時,極大提高了重建結果的完整性。

    1 深度估計網(wǎng)絡結構設計

    1.1 圖像Cost Volume計算

    參考圖像I中的任意像素P=(u,v, 1)T,將其對應的3×3相機內(nèi)參矩陣記作K,則該像素轉換到相機歸一化坐標系下為K-1P。假設其深度為z,則該像素對應在參考坐標系下的空間點為z·K-1P。

    若圖像I′與參考圖像相對運動為R,t,可將該空間點投影至該幅圖像對應的相機坐標系下,得到其投影點PI′=R·z·K-1P+t。

    將PI′=(x1,y1,z1)T歸一化為:

    (1)

    將深度區(qū)間(dmin,dmax]等距離散化為n個預估值di:

    (2)

    式中:i=1,2,…,n表示深度區(qū)間編號。

    (3)

    對于3×H×W的RGB圖像,其3個通道均對應n個不同深度估計di下的轉換圖像I′w,最終構成3n×H×W的三維張量。

    假設一個圖像序列中有m幅圖像,將第一幀圖像作為參考幀,后續(xù)m-1幅圖像通過其對應的相對運動信息可得m-1個三維張量Tj(j=1,2,…,m-1)。

    根據(jù)式(4)計算此三維張量在該圖像序列中的方差C:

    (4)

    式中:(·)*2表示張量中逐元素求冪運算。

    將方差C作為該圖像序列的Cost Volume用于后續(xù)的深度估計過程。Cost Volume的計算解決了圖像序列長度對于深度學習模型的影響,對于任意長度m的序列圖像,均可將其轉化為3n×H×W的張量,從而保證了深度學習模型對不同圖像序列的穩(wěn)定性。

    圖1 深度估計網(wǎng)絡結構Fig.1 Model design for depth estimation

    1.2 網(wǎng)絡結構設計

    通過計算Cost Volume,將任意長度的圖像序列轉換為固定3n×H×W的張量,進一步將其拆分為3×n×H×W,設計深度網(wǎng)絡模型如圖1,實現(xiàn)逐像素的深度估計。

    圖1中bs表示訓練過程batch大小,表示將該序列圖像中的相鄰幀根據(jù)式(3)進行圖像轉換,?表示將多個張量在深度方向上進行疊加。為更加直觀地描述維度變化過程,經(jīng)過每一層處理后的張量維度標注在該層模塊的上/下方,未特別標注的各層維度與其前一層保持一致。

    在計算圖像序列Cost Volume后,將其在圖像長和寬方向下采樣至原始尺寸1/16,通過三維卷積和逆卷積模塊實現(xiàn)對1/16圖像中任意位置產(chǎn)生n維向量。在深度方向上通過softmax(·)函數(shù),將n維向量轉化為對應預設n個深度區(qū)間的概率,計算該向量的期望作為該像素位置的深度估計結果,以保證深度估計過程的連續(xù)可導[8]。

    在獲取1/16圖像深度后,首先通過上采樣過程將其恢復至原始圖像尺寸大小。為了解決上采樣過程造成的誤差,將深度圖與圖像序列初始參考幀以及相鄰幀進行疊加,利用4個二維卷積層實現(xiàn)對深度圖的優(yōu)化。整體網(wǎng)絡結構中,各層kernel size均為3,padding均為1,第8~10層額外設定參數(shù)output padding分別為(1,1,1)、(1,0,0)和(1,1,1),其余對應參數(shù)設置如表1。

    表1 網(wǎng)絡參數(shù)設置Table 1 Settings of the CNN model

    2 基于深度圖的表面重建

    2.1 基于TSDF的表面表征

    利用截斷符號距離函數(shù)(Truncated signed distance function, TSDF)進行表面重建原理如文獻[11]所述。將三維空間均分為若干體素的集合X,記當前體素x(x∈X),di(x)表示第i次觀測下,沿相機光心通過體素x射向物體表面的深度,cz(x)表示體素x在相機坐標系z方向的深度,t表示參與表面重建融合迭代過程的體素深度范圍,則通過式(5)可將三維空間中任意體素x賦值為ti(x),且滿足ti(x)∈[-1, 1]。

    (5)

    ti(x)<0表示該體素位于物體內(nèi)部,ti(x)>0表示體素位于外部開放空間,ti(x)=0時表明體素x在當前相機觀測結果中位于物體表面。

    初始化對體素x的觀測結果T0(x)=0,以及對應的置信度W0(x)=0,記融合了i(i≥1)次觀測后的觀測結果為Ti(x),其對應的體素置信度為Wi(x)。則對體素x的觀測融合過程如式(6):

    (6)

    以wi(x)表示第i次觀測過程對體素x的置信度,相機視野范圍內(nèi)的體素置信度設為1,其余為0。

    通過式(6),將不同觀測位置下的觀測結果進行融合,得到基于TSDF表征的三維空間Ti(X),對其進行插值,Ti(X)=0即為在不同位置下觀測獲得的目標表面結果。

    2.2 基于CUDA的重建過程

    2.2.1三維重建空間構建

    對于內(nèi)參為fx,fy,cx,cy的標準相機模型,從像素坐標(u,v, 1)T到相機系坐標(x,y,z)T有如式(7)轉換關系:

    (7)

    進一步可得:

    (8)

    對于任意一幅圖像,通過深度圖,獲取其觀測到物體最大深度為dmax,構建如圖2所示錐形空間,視錐體頂點為相機光心,四個底角分別為最大深度下圖像四個頂點對應的空間位置。

    圖2 相機視錐體Fig.2 Schematic of the view frustum

    對于像素坐標系中圖像右下位置(u0,v0, 1)T,根據(jù)式(8)得到對應相機坐標系中視錐體右下位置坐標:

    (9)

    通過類似過程,可以得到視錐體左上、右上、左下位置坐標。根據(jù)該相機坐標系相對于參考系姿態(tài)信息,可進一步將該視錐體中心以及四個底角位置轉換至參考坐標系下,分別計算其在參考系三軸范圍內(nèi)的深度區(qū)間,通過不同視錐體在參考系下的值域范圍,生成用于目標重建的三維空間。

    2.2.2CUDA并行計算分配

    由于GPU中grid由多個block組成,可得block索引為:

    (10)

    單個block中最大線程數(shù)為Mthread, block中的線程索引(thread index)為i。則該線程在單個GPU并行計算的所有線程中索引為:

    Ithread=Iblock×Mthread+i

    (11)

    (12)

    3 仿真實驗校驗

    3.1 仿真圖像生成

    仿真圖像生成過程中共計使用14個不同模型,其中11個來自微軟3D庫,用于擴充模型的多樣性,其余3個模型分別為北斗衛(wèi)星、OSIRIS-REx衛(wèi)星和ICESat-2衛(wèi)星。所有模型均縮放至約300 mm,為了防止過擬合,實際模型最大邊長縮放為270~350 mm。

    仿真場景如圖3,目標尺寸約為300 mm,且相鄰兩幀圖像間物體保持三軸±(5°+3°×s)旋轉,s為[-1, 1]隨機數(shù)。相機在距離目標1200±20 mm,半徑10 mm的圓柱區(qū)域內(nèi)隨機移動,相機拍攝方向始終平行于光照方向。相機內(nèi)參fx=fy=1650,cx=cy=300。

    圖3 圖像仿真場景Fig.3 Rendering scene of image generation

    對于每個模型生成1000張序列圖像,部分仿真圖如圖4所示。

    圖4 仿真圖像Fig.4 Examples of synthetic images

    在仿真實驗中,本文也進行了其他尺寸模型實驗(模型縮放至400 mm、1000 mm、1200 mm),并對應調(diào)整了相機拍攝距離以及相機參數(shù)、深度區(qū)間范圍等,并未發(fā)現(xiàn)對網(wǎng)絡的訓練過程造成明顯影響。

    3.2 訓練設置

    圖像的姿態(tài)信息通過COLMAP[12-13]稀疏重建獲得,圖像的深度信息由仿真過程生成。訓練過程中,將微軟3D庫模型以及北斗衛(wèi)星模型仿真圖像作為深度估計網(wǎng)絡的訓練集,OSIRIS-REx和ICESat-2衛(wèi)星模型作為測試集以驗證在未知模型中的泛化能力。將每個模型的1000張圖像,按每5張構成一個圖像序列。初始學習率為0.001,采用Adam優(yōu)化器,betas分別為0.9與0.999,weight decay為0。預設深度區(qū)間為750~1550 mm,分別測試了將該區(qū)間劃分為128/160/192個間隔下的模型訓練情況。

    損失函數(shù)設置為如下:

    (13)

    式中:I為圖像序列參考幀,H,W分別為圖像的長和寬。對于圖像中任意像素p,記其深度真值G(p),通過神經(jīng)網(wǎng)絡獲取其估計深度E(p),以p∈O表示該像素位置屬于觀測目標,e(p)為像素深度的Smooth L1 Loss,即:

    (14)

    式中:x=E(p)-G(p)。

    該深度估計網(wǎng)絡在12 G顯存的NVIDIA 3060上進行訓練和測試,訓練過程中batch固定為1,訓練10個epoch。

    需要注意的是,由于在圖3所示的仿真場景中,光學相機觀測方向與光照方向基本平行,且光照強度適當,保證了目標觀測結果的完整,從而可以將目標所占像素均納入損失函數(shù)中進行計算??紤]到空間環(huán)境的復雜性,實際觀測條件下光照強度、入射方向等因素影響,導致部分像素過亮或過暗。這可能需要對部分訓練參數(shù)進行調(diào)整,如:在計算損失函數(shù)時對像素進行篩選,對圖像進行預處理,以及增加訓練epoch數(shù)量等。

    3.3 深度估計誤差

    為衡量神經(jīng)網(wǎng)絡模型深度估計效果,分別評估了不同間隔劃分數(shù)量下測試集中所有圖像序列的像素平均估計誤差如表2。

    表2 像素平均估計誤差Table 2 Average estimating error of pixels

    不同誤差區(qū)間所占測試結果百分比如表3所示。

    表3 估計誤差區(qū)間Table 3 Error ration of each range

    根據(jù)表2和表3可以看出,在深度方向劃分更多的間隔并不能夠保證更高的估計精度,這一現(xiàn)象可能源于更多的參數(shù)量引起的神經(jīng)網(wǎng)絡模型過擬合。

    圖5展現(xiàn)了部分圖像序列在n=160下對于序列參考幀的深度估計結果。

    圖5 深度估計結果Fig.5 Examples of depth estimation

    從圖5可以看出,基于深度學習的深度估計算法能夠?qū)臻g非合作目標中的光滑無紋理區(qū)域進行深度估計,但是對于目標部分零部件等細節(jié)區(qū)域估計結果還有待進一步提高。

    3.4 表面重建結果

    本文在表面重建過程中并未使用測試集衛(wèi)星模型的所有圖像。由于在稀疏重建過程中,特征點的位置通過大量優(yōu)化過程獲得,通過將特征點投影至對應圖像中,評估該幅圖像中對所有特征點的平均估計誤差,并以此作為對圖像整體估計誤差的近似,通過不同的誤差閾值對圖像進行篩選并重建。重建過程中,設置空間中體素網(wǎng)格大小為3 mm,式(5)中t=6 mm。OSIRIS-REx衛(wèi)星和ICESat-2衛(wèi)星不同觀測角度下的實際結構如圖6所示。

    圖6 衛(wèi)星實際結構Fig.6 Structures of satellite models

    分別設定特征點估計誤差閾值為5 mm和10 mm,獲得的表面重建結果如圖7所示。

    圖7 不同閾值表面重建結果Fig.7 Results with different error threshold

    對比圖6中的衛(wèi)星實際結構以及圖7中的重建結果,可以看出,采用較小的誤差閾值進行圖像篩選有利于在整體結果中突出衛(wèi)星表面的細節(jié)信息,然而,更少的圖像數(shù)量也會導致單個像素的估計誤差難以被優(yōu)化,使得重建結果不夠平滑。

    3.5 點云結果對比

    由于傳統(tǒng)算法難以解決紋理缺失區(qū)域?qū)е碌拇罅靠斩?,進而難以實現(xiàn)區(qū)域的表面重建。將3.4節(jié)中基于TSDF的表面重建結果進行抽樣,生成重建點云與傳統(tǒng)算法進行對比。

    傳統(tǒng)重建算法由COLMAP對所有1000張圖像進行重建產(chǎn)生,得到點云結果如圖8(a)??梢钥闯觯噍^于傳統(tǒng)算法,本文所提方法有效地解決了紋理缺失區(qū)域的點云/表面重建結果完整性問題。

    圖8 基于深度學習算法與傳統(tǒng)算法點云對比Fig.8 Point clouds of learning-based method versus traditional methods

    通過測量衛(wèi)星重建點云外形尺寸,得到重建精度如表4。模型1和2分別代表OSIRIS-REx衛(wèi)星和ICESat-2衛(wèi)星模型。

    表4 重建精度Table 4 Reconstruction accuracy

    根據(jù)表4結果,由于COLMAP對于目標重建的完整性不佳,部分情況下會導致目標外形尺寸誤差較大。而通過本文方法進行重建,在保證了目標重建結果完整性的同時,也保證了較高的重建精度。

    4 結 論

    對于未知空間目標紋理缺失表面的重建結果缺失問題,本文設計了一種基于深度學習和TSDF的重建算法。首先通過構建神經(jīng)網(wǎng)絡,實現(xiàn)對序列圖像參考幀中任意像素的深度估計,在訓練過程中利用不同模型生成仿真圖像,提高了神經(jīng)網(wǎng)絡泛化能力。其次,通過TSDF算法將圖像深度信息轉化為目標表面,實現(xiàn)了不同觀測位置下的重建結果融合,提高了觀測結果的完整性。根據(jù)文中進行的仿真實例,該重建算法實現(xiàn)了對未知空間目標的深度估計與完整表面重建,有效地解決了傳統(tǒng)算法的表面重建結果缺失問題。

    猜你喜歡
    體素像素深度
    趙運哲作品
    藝術家(2023年8期)2023-11-02 02:05:28
    基于多級細分的彩色模型表面體素化算法
    像素前線之“幻影”2000
    深度理解一元一次方程
    運用邊界狀態(tài)約束的表面體素加密細分算法
    “像素”仙人掌
    基于體素格尺度不變特征變換的快速點云配準方法
    深度觀察
    深度觀察
    深度觀察
    内地一区二区视频在线| 免费av观看视频| 免费观看在线日韩| 丰满人妻一区二区三区视频av| 最近视频中文字幕2019在线8| 最近手机中文字幕大全| 中文字幕制服av| 亚洲av中文字字幕乱码综合| 又粗又爽又猛毛片免费看| 黑人高潮一二区| 性插视频无遮挡在线免费观看| 国产中年淑女户外野战色| 亚洲三级黄色毛片| 成人毛片a级毛片在线播放| 日日撸夜夜添| 99久久精品国产国产毛片| 女的被弄到高潮叫床怎么办| 九草在线视频观看| 亚洲精品日韩在线中文字幕| 淫秽高清视频在线观看| 久久精品久久久久久久性| 日韩视频在线欧美| 日韩人妻高清精品专区| 国产精品日韩av在线免费观看| 精品欧美国产一区二区三| 国产大屁股一区二区在线视频| 女人久久www免费人成看片 | 在线免费观看不下载黄p国产| 免费黄色在线免费观看| 欧美高清性xxxxhd video| 男女那种视频在线观看| 熟女电影av网| 七月丁香在线播放| 97热精品久久久久久| 免费看av在线观看网站| 日韩在线高清观看一区二区三区| 午夜福利在线在线| 欧美性猛交黑人性爽| 久久国内精品自在自线图片| 久久久久久久亚洲中文字幕| 中文亚洲av片在线观看爽| 3wmmmm亚洲av在线观看| 日本爱情动作片www.在线观看| 久久久久久久久久成人| 日韩av在线免费看完整版不卡| 最近最新中文字幕免费大全7| 一区二区三区四区激情视频| 极品教师在线视频| 天天一区二区日本电影三级| 汤姆久久久久久久影院中文字幕 | 国产精品无大码| 有码 亚洲区| 最近手机中文字幕大全| 国产一区有黄有色的免费视频 | 午夜视频国产福利| 亚洲激情五月婷婷啪啪| 久久久精品94久久精品| 免费在线观看成人毛片| 欧美日本视频| 日本五十路高清| 男女边吃奶边做爰视频| 一本一本综合久久| 国产探花在线观看一区二区| 午夜福利在线观看免费完整高清在| 成人三级黄色视频| 日本免费a在线| 国产精品一及| 国产精品综合久久久久久久免费| 五月玫瑰六月丁香| 熟女人妻精品中文字幕| 高清视频免费观看一区二区 | 热99在线观看视频| 亚洲综合精品二区| 久久久精品大字幕| 日韩人妻高清精品专区| 我要看日韩黄色一级片| 亚洲国产成人一精品久久久| av天堂中文字幕网| 床上黄色一级片| 简卡轻食公司| 中国美白少妇内射xxxbb| 人人妻人人澡欧美一区二区| 久久6这里有精品| 精品久久久久久成人av| 人人妻人人澡人人爽人人夜夜 | 九色成人免费人妻av| 欧美色视频一区免费| 啦啦啦观看免费观看视频高清| 亚洲av日韩在线播放| 搡老妇女老女人老熟妇| 能在线免费看毛片的网站| 国产乱人偷精品视频| 黄色日韩在线| 国产精品av视频在线免费观看| 毛片一级片免费看久久久久| 男女那种视频在线观看| 亚洲精品亚洲一区二区| 女人十人毛片免费观看3o分钟| 91精品国产九色| 一个人看的www免费观看视频| 久久这里只有精品中国| 老司机影院成人| 成人美女网站在线观看视频| 婷婷色麻豆天堂久久 | 赤兔流量卡办理| 久久久午夜欧美精品| 嫩草影院精品99| 又爽又黄无遮挡网站| 国产毛片a区久久久久| 日本wwww免费看| 美女内射精品一级片tv| 夜夜爽夜夜爽视频| 人人妻人人澡欧美一区二区| av国产久精品久网站免费入址| 亚洲人成网站高清观看| 日产精品乱码卡一卡2卡三| 69人妻影院| 亚洲国产精品国产精品| 亚洲精品乱码久久久久久按摩| 一级二级三级毛片免费看| 欧美3d第一页| 插逼视频在线观看| 国产亚洲最大av| 男人狂女人下面高潮的视频| 免费观看在线日韩| 青青草视频在线视频观看| 亚洲av不卡在线观看| 国产精品1区2区在线观看.| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚州av有码| 日韩 亚洲 欧美在线| 亚洲无线观看免费| 日韩亚洲欧美综合| 国产成人午夜福利电影在线观看| 在线观看一区二区三区| 男人的好看免费观看在线视频| 99久久人妻综合| 午夜视频国产福利| 亚洲成人av在线免费| 看黄色毛片网站| 欧美一级a爱片免费观看看| 国产精品1区2区在线观看.| 亚洲不卡免费看| 国产精品一二三区在线看| 久久久欧美国产精品| 一区二区三区高清视频在线| 国产伦精品一区二区三区视频9| 国产av不卡久久| 免费观看性生交大片5| 精品无人区乱码1区二区| 国产一区有黄有色的免费视频 | 欧美潮喷喷水| 日本黄色视频三级网站网址| 日韩制服骚丝袜av| 少妇裸体淫交视频免费看高清| 国产精品美女特级片免费视频播放器| av在线老鸭窝| 亚洲av二区三区四区| 在线观看一区二区三区| 校园人妻丝袜中文字幕| 欧美xxxx性猛交bbbb| 精品久久久噜噜| 三级经典国产精品| 午夜日本视频在线| 九色成人免费人妻av| 欧美成人一区二区免费高清观看| 婷婷色av中文字幕| 小蜜桃在线观看免费完整版高清| 免费观看在线日韩| 久久精品夜夜夜夜夜久久蜜豆| 国产亚洲午夜精品一区二区久久 | 亚洲欧美精品自产自拍| 精品国产三级普通话版| 乱人视频在线观看| 国产亚洲精品久久久com| 中文字幕亚洲精品专区| 亚洲人成网站在线观看播放| 日本免费在线观看一区| 久久精品久久久久久噜噜老黄 | 天堂av国产一区二区熟女人妻| 国产高清不卡午夜福利| 少妇被粗大猛烈的视频| 欧美性猛交╳xxx乱大交人| 国产精品av视频在线免费观看| av卡一久久| 亚洲图色成人| 自拍偷自拍亚洲精品老妇| 一个人观看的视频www高清免费观看| 国产综合懂色| 亚洲乱码一区二区免费版| 一边摸一边抽搐一进一小说| 精品久久久久久久人妻蜜臀av| 国产 一区精品| 美女cb高潮喷水在线观看| 国产又色又爽无遮挡免| 国产精品,欧美在线| 国产中年淑女户外野战色| 国语自产精品视频在线第100页| 国产高清视频在线观看网站| 内地一区二区视频在线| 亚洲精品日韩在线中文字幕| 99久国产av精品国产电影| 国产伦一二天堂av在线观看| 亚洲av成人av| 内地一区二区视频在线| 自拍偷自拍亚洲精品老妇| 一边摸一边抽搐一进一小说| 天天一区二区日本电影三级| 久久久久久大精品| 国产成人a区在线观看| 免费看a级黄色片| 一区二区三区乱码不卡18| kizo精华| 长腿黑丝高跟| 亚洲图色成人| 深夜a级毛片| 男人和女人高潮做爰伦理| 亚洲性久久影院| 日韩大片免费观看网站 | 国产成人精品久久久久久| 免费大片18禁| 欧美潮喷喷水| 美女黄网站色视频| 亚洲久久久久久中文字幕| 1000部很黄的大片| 性色avwww在线观看| 亚洲无线观看免费| 国产一区二区亚洲精品在线观看| 天堂影院成人在线观看| 男人舔女人下体高潮全视频| 国产精品国产三级国产专区5o | 秋霞在线观看毛片| 永久网站在线| 欧美成人一区二区免费高清观看| 少妇熟女aⅴ在线视频| 久久久成人免费电影| 99在线视频只有这里精品首页| 亚洲欧美日韩东京热| av又黄又爽大尺度在线免费看 | 亚洲精品亚洲一区二区| 亚洲最大成人手机在线| 国产白丝娇喘喷水9色精品| 亚洲国产欧美人成| 国产在线一区二区三区精 | 欧美色视频一区免费| 国产精品国产高清国产av| 国产精品三级大全| 十八禁国产超污无遮挡网站| 成人国产麻豆网| 国产中年淑女户外野战色| 熟女电影av网| 性插视频无遮挡在线免费观看| 国产在线男女| 长腿黑丝高跟| 真实男女啪啪啪动态图| 日韩精品有码人妻一区| 久久草成人影院| 国产高潮美女av| 国产成人a∨麻豆精品| 亚洲精品国产成人久久av| 日韩欧美国产在线观看| 久久精品国产自在天天线| 熟女人妻精品中文字幕| 国内精品美女久久久久久| 美女xxoo啪啪120秒动态图| 又黄又爽又刺激的免费视频.| 日本色播在线视频| 日韩一区二区三区影片| av.在线天堂| av在线播放精品| 精品久久久久久久人妻蜜臀av| 色综合亚洲欧美另类图片| 久久精品久久久久久久性| 永久网站在线| 男插女下体视频免费在线播放| 看免费成人av毛片| 男女国产视频网站| 欧美潮喷喷水| 亚洲熟妇中文字幕五十中出| 亚洲天堂国产精品一区在线| 婷婷六月久久综合丁香| 一卡2卡三卡四卡精品乱码亚洲| 精品人妻偷拍中文字幕| 国产淫片久久久久久久久| 三级男女做爰猛烈吃奶摸视频| 一级毛片久久久久久久久女| 看黄色毛片网站| av又黄又爽大尺度在线免费看 | 日本与韩国留学比较| 中文乱码字字幕精品一区二区三区 | 丝袜喷水一区| 久久久成人免费电影| 成人二区视频| 国产精品国产三级专区第一集| 在现免费观看毛片| 免费av不卡在线播放| 校园人妻丝袜中文字幕| 久久久久久久久久成人| 超碰av人人做人人爽久久| 国产淫语在线视频| 高清av免费在线| 老师上课跳d突然被开到最大视频| 亚洲成人中文字幕在线播放| 韩国高清视频一区二区三区| 只有这里有精品99| 久久精品国产亚洲网站| 91午夜精品亚洲一区二区三区| 禁无遮挡网站| 夜夜看夜夜爽夜夜摸| 99久久无色码亚洲精品果冻| 亚洲国产精品合色在线| 校园人妻丝袜中文字幕| 国产免费男女视频| 国产黄色小视频在线观看| 国产激情偷乱视频一区二区| 一边亲一边摸免费视频| 黄色欧美视频在线观看| 国产成年人精品一区二区| 在线播放国产精品三级| www.色视频.com| 如何舔出高潮| 精品久久久久久久久亚洲| 人妻系列 视频| 日韩人妻高清精品专区| 三级毛片av免费| 麻豆久久精品国产亚洲av| 成人无遮挡网站| 亚洲色图av天堂| 国产黄色小视频在线观看| 中文资源天堂在线| 超碰av人人做人人爽久久| 免费av观看视频| 国产一区二区亚洲精品在线观看| 麻豆一二三区av精品| 亚洲精品色激情综合| 级片在线观看| 97超视频在线观看视频| 亚洲在线观看片| 日韩大片免费观看网站 | 美女大奶头视频| 99热全是精品| 2022亚洲国产成人精品| 搞女人的毛片| 久久久久久大精品| 麻豆一二三区av精品| 99在线人妻在线中文字幕| 国产色爽女视频免费观看| 久久99热这里只有精品18| 中文字幕亚洲精品专区| 搡女人真爽免费视频火全软件| 久久精品久久久久久久性| 国产极品天堂在线| 国产亚洲一区二区精品| 少妇人妻一区二区三区视频| 老司机福利观看| 亚洲欧美日韩无卡精品| 国产精品蜜桃在线观看| 黄片wwwwww| 亚洲精品456在线播放app| 国产精品无大码| 免费看av在线观看网站| 精华霜和精华液先用哪个| 久久草成人影院| 成人三级黄色视频| 亚洲人成网站在线播| 男人舔女人下体高潮全视频| 午夜精品国产一区二区电影 | 不卡视频在线观看欧美| 日韩av在线大香蕉| 色网站视频免费| 美女内射精品一级片tv| 全区人妻精品视频| 国产亚洲精品久久久com| 免费观看在线日韩| 简卡轻食公司| 91午夜精品亚洲一区二区三区| 国产美女午夜福利| 2022亚洲国产成人精品| 女人被狂操c到高潮| 91aial.com中文字幕在线观看| 国产精品国产三级国产专区5o | 国产乱人偷精品视频| 亚洲国产精品专区欧美| 久久久久久久亚洲中文字幕| 精品久久国产蜜桃| 免费av观看视频| 欧美性猛交╳xxx乱大交人| 91狼人影院| 综合色丁香网| 女人久久www免费人成看片 | 欧美又色又爽又黄视频| 韩国高清视频一区二区三区| 欧美日韩精品成人综合77777| 一级av片app| 少妇被粗大猛烈的视频| 又爽又黄a免费视频| 亚洲一级一片aⅴ在线观看| 乱码一卡2卡4卡精品| 美女黄网站色视频| 亚洲丝袜综合中文字幕| 日韩强制内射视频| 欧美激情国产日韩精品一区| 色播亚洲综合网| 免费av不卡在线播放| 18禁裸乳无遮挡免费网站照片| 熟女电影av网| 成人av在线播放网站| 日本免费一区二区三区高清不卡| 韩国高清视频一区二区三区| 久久精品久久久久久噜噜老黄 | 久久久久久国产a免费观看| 精品久久久久久久人妻蜜臀av| or卡值多少钱| 九草在线视频观看| 国产精品久久久久久av不卡| 国产午夜福利久久久久久| 亚洲欧美日韩高清专用| 汤姆久久久久久久影院中文字幕 | 乱码一卡2卡4卡精品| 国产欧美另类精品又又久久亚洲欧美| 久久这里有精品视频免费| 亚洲最大成人av| 高清视频免费观看一区二区 | 国产91av在线免费观看| 亚洲综合色惰| 免费人成在线观看视频色| 久久久久久大精品| 亚洲最大成人中文| 插阴视频在线观看视频| 一区二区三区高清视频在线| 日本黄色片子视频| 在线观看一区二区三区| 老女人水多毛片| 亚洲国产欧洲综合997久久,| 亚洲欧美成人精品一区二区| 91在线精品国自产拍蜜月| 国语自产精品视频在线第100页| 丰满少妇做爰视频| 精品一区二区三区人妻视频| 少妇熟女欧美另类| av国产免费在线观看| 亚洲精品一区蜜桃| 亚洲内射少妇av| 亚洲国产精品成人久久小说| 久久99精品国语久久久| 99热这里只有精品一区| 97超视频在线观看视频| 人人妻人人看人人澡| 国产精品女同一区二区软件| 伦理电影大哥的女人| 日韩欧美精品免费久久| 1000部很黄的大片| 成人鲁丝片一二三区免费| 国产不卡一卡二| videos熟女内射| 国产国拍精品亚洲av在线观看| 18+在线观看网站| 观看美女的网站| 一个人看的www免费观看视频| 免费观看的影片在线观看| 欧美成人午夜免费资源| 国产精品乱码一区二三区的特点| 午夜老司机福利剧场| 身体一侧抽搐| 建设人人有责人人尽责人人享有的 | 嫩草影院精品99| 成人高潮视频无遮挡免费网站| 亚洲精品影视一区二区三区av| 亚洲国产高清在线一区二区三| 精品无人区乱码1区二区| 婷婷色综合大香蕉| 又黄又爽又刺激的免费视频.| 色综合站精品国产| 天天一区二区日本电影三级| 一本久久精品| 波多野结衣高清无吗| 91精品国产九色| 高清日韩中文字幕在线| 人人妻人人看人人澡| av视频在线观看入口| 全区人妻精品视频| 久久精品国产亚洲网站| 亚洲怡红院男人天堂| 亚洲在线自拍视频| 亚洲最大成人av| 白带黄色成豆腐渣| 国产精品久久久久久精品电影小说 | 美女内射精品一级片tv| 男的添女的下面高潮视频| 婷婷色av中文字幕| 国产精品国产三级国产av玫瑰| 波多野结衣巨乳人妻| 亚洲av熟女| 成年女人看的毛片在线观看| 韩国av在线不卡| 26uuu在线亚洲综合色| 亚洲人成网站高清观看| 欧美一区二区亚洲| 中文亚洲av片在线观看爽| 热99re8久久精品国产| eeuss影院久久| 久久久精品大字幕| 国产黄色小视频在线观看| 熟女电影av网| 国产精品一二三区在线看| 九九久久精品国产亚洲av麻豆| 欧美97在线视频| 综合色丁香网| 国产午夜福利久久久久久| 建设人人有责人人尽责人人享有的 | 国产高清有码在线观看视频| 日本黄大片高清| 啦啦啦啦在线视频资源| 亚洲综合色惰| 在线播放无遮挡| av国产久精品久网站免费入址| 日韩人妻高清精品专区| 九九爱精品视频在线观看| 久久精品影院6| 国产伦在线观看视频一区| 国模一区二区三区四区视频| 91午夜精品亚洲一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲91精品色在线| 精品少妇黑人巨大在线播放 | 自拍偷自拍亚洲精品老妇| 99久久成人亚洲精品观看| 淫秽高清视频在线观看| 免费av不卡在线播放| 热99re8久久精品国产| 久久这里只有精品中国| 中文字幕av在线有码专区| 国产免费视频播放在线视频 | 亚洲内射少妇av| 欧美激情久久久久久爽电影| 简卡轻食公司| 亚洲av成人精品一二三区| 麻豆一二三区av精品| 欧美成人a在线观看| 日韩av在线免费看完整版不卡| 免费黄网站久久成人精品| 床上黄色一级片| 99久久九九国产精品国产免费| 简卡轻食公司| 亚洲av成人精品一二三区| 国产在线男女| 一边摸一边抽搐一进一小说| 国产亚洲5aaaaa淫片| 国产大屁股一区二区在线视频| 我要看日韩黄色一级片| 国产精品久久久久久久电影| 婷婷色av中文字幕| 久久精品影院6| 少妇高潮的动态图| 最近的中文字幕免费完整| 婷婷六月久久综合丁香| 亚洲精华国产精华液的使用体验| 亚洲国产最新在线播放| 欧美日本亚洲视频在线播放| 又黄又爽又刺激的免费视频.| 天美传媒精品一区二区| 大话2 男鬼变身卡| 中文字幕制服av| 九色成人免费人妻av| 亚洲色图av天堂| 99热6这里只有精品| 久久久成人免费电影| 国产精品不卡视频一区二区| 禁无遮挡网站| 深夜a级毛片| 精品国内亚洲2022精品成人| 亚洲国产精品成人综合色| 日韩av在线免费看完整版不卡| av黄色大香蕉| 一级毛片久久久久久久久女| 人妻夜夜爽99麻豆av| 免费黄网站久久成人精品| 亚洲最大成人av| 日本免费在线观看一区| 极品教师在线视频| 成年女人永久免费观看视频| 亚洲av二区三区四区| 久久精品国产亚洲网站| 亚洲av免费在线观看| 国内精品一区二区在线观看| 亚洲欧美一区二区三区国产| 亚洲av.av天堂| 搞女人的毛片| 乱系列少妇在线播放| 久久久成人免费电影| 高清视频免费观看一区二区 | 免费一级毛片在线播放高清视频| 天天躁日日操中文字幕| 久久久午夜欧美精品| 国产又黄又爽又无遮挡在线| 狠狠狠狠99中文字幕| 日韩av在线免费看完整版不卡| 国产又黄又爽又无遮挡在线| 国产高清有码在线观看视频| 亚洲精品亚洲一区二区| 又黄又爽又刺激的免费视频.| 欧美zozozo另类| 亚洲精品自拍成人| 99热这里只有是精品50| 卡戴珊不雅视频在线播放| 国产精品国产三级专区第一集| 亚洲在线观看片| 天天躁日日操中文字幕| 久久99蜜桃精品久久| 国产精品电影一区二区三区| 一边摸一边抽搐一进一小说| 哪个播放器可以免费观看大片| 精品久久久久久久人妻蜜臀av| 亚洲欧美清纯卡通| 国产一区二区在线观看日韩|