• <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
    蜜桃国产av成人99| 国产精品麻豆人妻色哟哟久久| 午夜日韩欧美国产| 亚洲一级一片aⅴ在线观看| 美女大奶头黄色视频| 尾随美女入室| 午夜福利视频在线观看免费| 麻豆精品久久久久久蜜桃| netflix在线观看网站| 亚洲av电影在线观看一区二区三区| 亚洲国产av新网站| 中文天堂在线官网| 久久久久久久久久久免费av| 无遮挡黄片免费观看| 女的被弄到高潮叫床怎么办| 777久久人妻少妇嫩草av网站| 丰满乱子伦码专区| 午夜福利免费观看在线| 午夜激情av网站| 久久青草综合色| 成人国产av品久久久| av电影中文网址| 午夜久久久在线观看| 国产黄频视频在线观看| 亚洲av日韩在线播放| 久久av网站| 久久人人97超碰香蕉20202| 免费黄色在线免费观看| 日韩欧美精品免费久久| 天美传媒精品一区二区| 男女边吃奶边做爰视频| 亚洲美女视频黄频| 街头女战士在线观看网站| 母亲3免费完整高清在线观看| 精品国产乱码久久久久久男人| 亚洲在久久综合| 欧美黑人精品巨大| 国产精品久久久av美女十八| 亚洲欧美色中文字幕在线| 伊人久久大香线蕉亚洲五| 一边摸一边做爽爽视频免费| 国产精品久久久久成人av| 青春草亚洲视频在线观看| 午夜久久久在线观看| 日本vs欧美在线观看视频| 91aial.com中文字幕在线观看| 国产精品成人在线| 一级片免费观看大全| 大陆偷拍与自拍| 夫妻性生交免费视频一级片| 国产探花极品一区二区| 久久精品aⅴ一区二区三区四区| 国产野战对白在线观看| 久久久久久久大尺度免费视频| 天堂俺去俺来也www色官网| 亚洲精品日本国产第一区| 亚洲自偷自拍图片 自拍| 一区二区三区乱码不卡18| 久久97久久精品| 久久久精品94久久精品| 狂野欧美激情性xxxx| 视频区图区小说| 波多野结衣一区麻豆| 免费人妻精品一区二区三区视频| 欧美激情高清一区二区三区 | av福利片在线| 国产黄频视频在线观看| 高清黄色对白视频在线免费看| 亚洲第一区二区三区不卡| 国产在线视频一区二区| 午夜福利免费观看在线| 老司机影院毛片| 亚洲久久久国产精品| 亚洲精华国产精华液的使用体验| 成人午夜精彩视频在线观看| 国产精品香港三级国产av潘金莲 | 亚洲熟女毛片儿| 亚洲欧美清纯卡通| 亚洲国产最新在线播放| 久久97久久精品| 久久久久人妻精品一区果冻| 午夜久久久在线观看| 国产成人啪精品午夜网站| 十分钟在线观看高清视频www| 色吧在线观看| 亚洲av福利一区| 国产成人欧美在线观看 | 亚洲欧美一区二区三区久久| 丰满少妇做爰视频| 91精品伊人久久大香线蕉| 精品第一国产精品| 成人三级做爰电影| 可以免费在线观看a视频的电影网站 | 母亲3免费完整高清在线观看| 国产av精品麻豆| av有码第一页| 亚洲精品美女久久av网站| 欧美激情 高清一区二区三区| 少妇被粗大的猛进出69影院| 国产一卡二卡三卡精品 | 国产成人精品久久久久久| 精品国产乱码久久久久久男人| 在线天堂最新版资源| 2018国产大陆天天弄谢| 人人妻人人澡人人看| 香蕉国产在线看| 国产黄频视频在线观看| 大香蕉久久成人网| 91aial.com中文字幕在线观看| 男人操女人黄网站| 交换朋友夫妻互换小说| 免费高清在线观看日韩| 亚洲成色77777| 成人亚洲欧美一区二区av| 亚洲精品美女久久久久99蜜臀 | 国产精品一二三区在线看| 一级a爱视频在线免费观看| 在线 av 中文字幕| 免费在线观看视频国产中文字幕亚洲 | xxxhd国产人妻xxx| 久久久久久久久免费视频了| 久久热在线av| 国产精品女同一区二区软件| 亚洲国产欧美网| 在线 av 中文字幕| 国产乱来视频区| 性色av一级| 中文字幕制服av| 亚洲国产精品国产精品| 男女午夜视频在线观看| 久久久国产欧美日韩av| 亚洲欧美色中文字幕在线| 女人爽到高潮嗷嗷叫在线视频| av在线app专区| 亚洲久久久国产精品| 一级毛片 在线播放| 一本久久精品| 欧美少妇被猛烈插入视频| 99久久精品国产亚洲精品| 亚洲国产av影院在线观看| 大香蕉久久成人网| 欧美在线一区亚洲| 看十八女毛片水多多多| 赤兔流量卡办理| 亚洲男人天堂网一区| 捣出白浆h1v1| 欧美最新免费一区二区三区| 国产精品av久久久久免费| 亚洲国产精品一区二区三区在线| 午夜福利网站1000一区二区三区| 日韩人妻精品一区2区三区| 国产极品天堂在线| 亚洲美女黄色视频免费看| 99香蕉大伊视频| 中国三级夫妇交换| 精品一区在线观看国产| 大片免费播放器 马上看| 韩国高清视频一区二区三区| 自线自在国产av| 国产野战对白在线观看| 老熟女久久久| 亚洲美女搞黄在线观看| 丝瓜视频免费看黄片| 久久人人97超碰香蕉20202| 一级爰片在线观看| 日韩精品免费视频一区二区三区| 国产日韩欧美在线精品| 丝袜喷水一区| 国产日韩欧美亚洲二区| 极品少妇高潮喷水抽搐| 成年动漫av网址| 亚洲国产毛片av蜜桃av| 国产xxxxx性猛交| 久久久精品免费免费高清| 午夜福利视频在线观看免费| 国产亚洲av片在线观看秒播厂| 热99久久久久精品小说推荐| 尾随美女入室| 国产欧美亚洲国产| 黑丝袜美女国产一区| 欧美xxⅹ黑人| 国产黄频视频在线观看| av福利片在线| 七月丁香在线播放| 亚洲精品国产一区二区精华液| 国产激情久久老熟女| 久久午夜综合久久蜜桃| 美女福利国产在线| 亚洲欧美日韩另类电影网站| 成年av动漫网址| 久久国产精品男人的天堂亚洲| 考比视频在线观看| 国产伦理片在线播放av一区| 黄色视频不卡| 国产女主播在线喷水免费视频网站| 男人操女人黄网站| 欧美日韩亚洲国产一区二区在线观看 | 亚洲第一青青草原| 国产精品久久久人人做人人爽| 亚洲成av片中文字幕在线观看| 国产成人精品在线电影| av网站免费在线观看视频| 男女边摸边吃奶| 免费观看a级毛片全部| 久久这里只有精品19| 中文精品一卡2卡3卡4更新| 天堂8中文在线网| av电影中文网址| 久久精品国产综合久久久| 无限看片的www在线观看| 欧美乱码精品一区二区三区| 久久精品久久精品一区二区三区| 国产黄色视频一区二区在线观看| 久久人人97超碰香蕉20202| h视频一区二区三区| 亚洲国产日韩一区二区| 亚洲精品aⅴ在线观看| 亚洲欧美成人综合另类久久久| 国产精品 欧美亚洲| 中文字幕高清在线视频| 侵犯人妻中文字幕一二三四区| 在线亚洲精品国产二区图片欧美| 少妇精品久久久久久久| 成年动漫av网址| 成人亚洲欧美一区二区av| 中文欧美无线码| 少妇的丰满在线观看| 中文字幕av电影在线播放| 欧美精品亚洲一区二区| 黑人巨大精品欧美一区二区蜜桃| 成人午夜精彩视频在线观看| 久久久国产精品麻豆| 午夜日本视频在线| 99热网站在线观看| 欧美另类一区| 欧美人与性动交α欧美软件| 欧美亚洲日本最大视频资源| 国产xxxxx性猛交| 亚洲成色77777| 一区二区三区精品91| 日韩大片免费观看网站| 一区二区三区四区激情视频| 秋霞在线观看毛片| 青春草视频在线免费观看| 亚洲中文av在线| 亚洲精品久久久久久婷婷小说| 一本—道久久a久久精品蜜桃钙片| 国产成人av激情在线播放| 日韩免费高清中文字幕av| 精品国产超薄肉色丝袜足j| 日韩 欧美 亚洲 中文字幕| 伦理电影大哥的女人| 超色免费av| 亚洲国产中文字幕在线视频| 中文字幕高清在线视频| 亚洲熟女毛片儿| 在线观看一区二区三区激情| 黄色视频不卡| 亚洲av中文av极速乱| 亚洲国产av新网站| 成人18禁高潮啪啪吃奶动态图| 丝袜脚勾引网站| 午夜福利视频在线观看免费| 人人妻人人澡人人爽人人夜夜| 久久这里只有精品19| 毛片一级片免费看久久久久| 国产精品一二三区在线看| 免费黄频网站在线观看国产| 在线精品无人区一区二区三| 国产精品国产三级专区第一集| 一本—道久久a久久精品蜜桃钙片| 欧美日韩视频高清一区二区三区二| 美女国产高潮福利片在线看| 精品人妻一区二区三区麻豆| 女人久久www免费人成看片| av在线观看视频网站免费| 亚洲精品国产一区二区精华液| 久久韩国三级中文字幕| 成年av动漫网址| 十八禁网站网址无遮挡| 日韩av在线免费看完整版不卡| 一级毛片 在线播放| 免费观看性生交大片5| 亚洲成人一二三区av| 国产伦理片在线播放av一区| 亚洲av国产av综合av卡| 成年女人毛片免费观看观看9 | 婷婷成人精品国产| avwww免费| 亚洲av日韩在线播放| 一本—道久久a久久精品蜜桃钙片| 9191精品国产免费久久| 老汉色∧v一级毛片| 黄片小视频在线播放| 久久性视频一级片| 亚洲欧洲日产国产| 我要看黄色一级片免费的| 蜜桃国产av成人99| 宅男免费午夜| 精品福利永久在线观看| 日本vs欧美在线观看视频| 国产1区2区3区精品| 麻豆精品久久久久久蜜桃| 免费黄频网站在线观看国产| 精品人妻熟女毛片av久久网站| 大话2 男鬼变身卡| 欧美日韩视频精品一区| 制服人妻中文乱码| 美女国产高潮福利片在线看| 纯流量卡能插随身wifi吗| 精品国产超薄肉色丝袜足j| 国产精品国产av在线观看| 永久免费av网站大全| 成人三级做爰电影| 最近手机中文字幕大全| 伊人久久国产一区二区| 久久精品人人爽人人爽视色| 99热国产这里只有精品6| 啦啦啦中文免费视频观看日本| 18禁观看日本| 国产精品.久久久| 看非洲黑人一级黄片| 久久99热这里只频精品6学生| 亚洲精品在线美女| 男女床上黄色一级片免费看| 大香蕉久久成人网| 久久久精品94久久精品| 国产免费一区二区三区四区乱码| 又黄又粗又硬又大视频| 女的被弄到高潮叫床怎么办| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品av久久久久免费| 性少妇av在线| 欧美国产精品va在线观看不卡| 日日啪夜夜爽| 大陆偷拍与自拍| 桃花免费在线播放| 精品国产国语对白av| 女的被弄到高潮叫床怎么办| 国产一区二区三区综合在线观看| 亚洲精品久久久久久婷婷小说| 国产亚洲午夜精品一区二区久久| 亚洲国产精品成人久久小说| 成年动漫av网址| 亚洲精品自拍成人| 天堂8中文在线网| 亚洲精品国产区一区二| a级片在线免费高清观看视频| av免费观看日本| 久久午夜综合久久蜜桃| 少妇 在线观看| 人妻一区二区av| 99香蕉大伊视频| 99久久综合免费| tube8黄色片| 在线观看免费日韩欧美大片| 嫩草影院入口| 男女午夜视频在线观看| 男的添女的下面高潮视频| 国产精品一区二区在线不卡| 精品亚洲乱码少妇综合久久| 免费观看av网站的网址| 欧美国产精品一级二级三级| 亚洲欧美激情在线| 男女床上黄色一级片免费看| 美女主播在线视频| 天天躁日日躁夜夜躁夜夜| 久热这里只有精品99| 18在线观看网站| 久久精品久久精品一区二区三区| 三上悠亚av全集在线观看| 中文字幕另类日韩欧美亚洲嫩草| 国产精品人妻久久久影院| 欧美日韩精品网址| 免费在线观看完整版高清| 日本av免费视频播放| 久久97久久精品| 亚洲国产看品久久| 亚洲精品视频女| 国产人伦9x9x在线观看| 久久久久久人人人人人| 日韩熟女老妇一区二区性免费视频| 久久精品久久久久久噜噜老黄| 丝袜美足系列| 一区福利在线观看| a级毛片在线看网站| 精品第一国产精品| 丝瓜视频免费看黄片| 国产伦人伦偷精品视频| √禁漫天堂资源中文www| 老汉色∧v一级毛片| 国产有黄有色有爽视频| 中文精品一卡2卡3卡4更新| 如何舔出高潮| 一级片免费观看大全| 色视频在线一区二区三区| 飞空精品影院首页| 90打野战视频偷拍视频| 日韩中文字幕视频在线看片| 一级黄片播放器| 19禁男女啪啪无遮挡网站| 爱豆传媒免费全集在线观看| 精品少妇一区二区三区视频日本电影 | 国产片特级美女逼逼视频| 高清视频免费观看一区二区| 亚洲av成人精品一二三区| 亚洲一区中文字幕在线| 中文字幕人妻丝袜一区二区 | 男人舔女人的私密视频| 久久精品国产亚洲av高清一级| 丰满迷人的少妇在线观看| 极品少妇高潮喷水抽搐| 欧美精品人与动牲交sv欧美| 久久精品久久精品一区二区三区| 国产精品久久久av美女十八| 只有这里有精品99| 亚洲欧美清纯卡通| 秋霞伦理黄片| 日韩精品有码人妻一区| 丝袜脚勾引网站| 国产精品二区激情视频| 七月丁香在线播放| 曰老女人黄片| 捣出白浆h1v1| 啦啦啦在线观看免费高清www| 亚洲精品在线美女| 天堂中文最新版在线下载| 丰满乱子伦码专区| 新久久久久国产一级毛片| 亚洲av国产av综合av卡| 国产在视频线精品| 国产伦理片在线播放av一区| 精品一区二区三区四区五区乱码 | 午夜激情久久久久久久| 亚洲精品成人av观看孕妇| 成人免费观看视频高清| 777米奇影视久久| 熟妇人妻不卡中文字幕| 伊人亚洲综合成人网| 嫩草影院入口| kizo精华| 人人妻人人澡人人看| 水蜜桃什么品种好| 深夜精品福利| 日韩制服骚丝袜av| 久久久久国产精品人妻一区二区| 99re6热这里在线精品视频| 亚洲综合色网址| 久久久久久人人人人人| 国产片特级美女逼逼视频| 国产伦理片在线播放av一区| 精品久久久久久电影网| 最近的中文字幕免费完整| videosex国产| 国产精品 欧美亚洲| av线在线观看网站| 欧美日韩成人在线一区二区| 最近手机中文字幕大全| 在线免费观看不下载黄p国产| av国产久精品久网站免费入址| 国产精品国产av在线观看| 久久久久精品久久久久真实原创| 侵犯人妻中文字幕一二三四区| 日韩熟女老妇一区二区性免费视频| 国产精品欧美亚洲77777| 伊人久久国产一区二区| 大香蕉久久成人网| 成年人午夜在线观看视频| 岛国毛片在线播放| 久久久久精品国产欧美久久久 | 国产熟女欧美一区二区| 精品少妇久久久久久888优播| 日本欧美视频一区| 69精品国产乱码久久久| 亚洲精品第二区| 人体艺术视频欧美日本| 国产成人免费无遮挡视频| 亚洲成人国产一区在线观看 | 国产成人欧美在线观看 | www.精华液| 丝瓜视频免费看黄片| 午夜av观看不卡| 免费日韩欧美在线观看| 国产精品.久久久| 男女国产视频网站| 国产成人系列免费观看| 街头女战士在线观看网站| 亚洲欧美精品综合一区二区三区| 最近中文字幕2019免费版| 国产成人av激情在线播放| avwww免费| 久久久久视频综合| 晚上一个人看的免费电影| 亚洲精品视频女| 老司机影院成人| 久久精品人人爽人人爽视色| 久久人人爽av亚洲精品天堂| 精品一区二区三卡| 少妇人妻 视频| 久久久久久人人人人人| 老鸭窝网址在线观看| 大片免费播放器 马上看| 欧美黑人精品巨大| 午夜av观看不卡| 亚洲精品国产av成人精品| 久久精品国产a三级三级三级| 国产有黄有色有爽视频| 亚洲欧洲日产国产| 国产乱来视频区| 91精品三级在线观看| 精品一区二区三区四区五区乱码 | 操出白浆在线播放| 一二三四在线观看免费中文在| 国产av码专区亚洲av| 啦啦啦视频在线资源免费观看| 亚洲人成网站在线观看播放| 国产精品人妻久久久影院| 亚洲精品一区蜜桃| 69精品国产乱码久久久| 美女视频免费永久观看网站| 街头女战士在线观看网站| 亚洲国产精品成人久久小说| 亚洲成人av在线免费| 国产免费一区二区三区四区乱码| 日韩,欧美,国产一区二区三区| 免费av中文字幕在线| 久久精品熟女亚洲av麻豆精品| 少妇的丰满在线观看| 亚洲美女搞黄在线观看| 国产熟女午夜一区二区三区| 一级黄片播放器| 亚洲av国产av综合av卡| 亚洲欧美中文字幕日韩二区| 欧美日韩亚洲综合一区二区三区_| 久久国产亚洲av麻豆专区| 91精品三级在线观看| 丰满乱子伦码专区| 亚洲国产看品久久| 在线观看三级黄色| 天天躁狠狠躁夜夜躁狠狠躁| 国产麻豆69| 九九爱精品视频在线观看| 男人操女人黄网站| 麻豆乱淫一区二区| 亚洲av中文av极速乱| 777久久人妻少妇嫩草av网站| 男女免费视频国产| 一区二区三区乱码不卡18| 国产免费现黄频在线看| 久久青草综合色| 欧美人与善性xxx| 久久ye,这里只有精品| 赤兔流量卡办理| www.熟女人妻精品国产| 考比视频在线观看| 夫妻午夜视频| 国产精品国产av在线观看| 色综合欧美亚洲国产小说| 一个人免费看片子| 中国三级夫妇交换| 亚洲欧美色中文字幕在线| 精品久久久久久电影网| 99久久人妻综合| 成人国产麻豆网| 狠狠精品人妻久久久久久综合| 91aial.com中文字幕在线观看| 亚洲精品成人av观看孕妇| 男女边摸边吃奶| 狂野欧美激情性bbbbbb| 久久久亚洲精品成人影院| 欧美日韩av久久| 亚洲激情五月婷婷啪啪| 亚洲欧美一区二区三区国产| 伊人亚洲综合成人网| 一二三四在线观看免费中文在| 久久久久久久久久久久大奶| 久久久久网色| 伊人亚洲综合成人网| 久久久久国产精品人妻一区二区| 色精品久久人妻99蜜桃| 久久人人爽人人片av| 街头女战士在线观看网站| 青春草国产在线视频| 欧美亚洲 丝袜 人妻 在线| 久久久精品区二区三区| 久久精品亚洲av国产电影网| 一区二区三区激情视频| 91国产中文字幕| 久久精品久久久久久久性| 美女主播在线视频| 免费黄网站久久成人精品| 日本vs欧美在线观看视频| 亚洲欧美色中文字幕在线| 日本猛色少妇xxxxx猛交久久| av视频免费观看在线观看| 成人漫画全彩无遮挡| 大香蕉久久网| 久久精品国产亚洲av高清一级| 男人爽女人下面视频在线观看| 日韩一本色道免费dvd| 99热全是精品| 国产精品一国产av| 亚洲国产成人一精品久久久| 日韩制服骚丝袜av| 午夜影院在线不卡| 成人三级做爰电影| 赤兔流量卡办理| 日本av手机在线免费观看| 成人免费观看视频高清| 亚洲综合精品二区| 国产免费福利视频在线观看| 欧美精品亚洲一区二区| 亚洲av国产av综合av卡| 国产成人欧美| 亚洲国产av新网站|