• <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 ?

    基于深度學習的無人駕駛汽車車道跟隨方法*

    2022-04-08 09:20:34高揚陳士偉劉進淵王書棋
    汽車技術(shù) 2022年3期
    關(guān)鍵詞:模型

    高揚 陳士偉 劉進淵 王書棋

    (長安大學,西安 710054)

    主題詞:車道跟隨 深度學習 注意力機制 循環(huán)神經(jīng)網(wǎng)絡(luò) 無人駕駛

    1 前言

    近年來,車道跟隨作為無人駕駛領(lǐng)域的關(guān)鍵技術(shù)之一引起了廣泛關(guān)注。在傳統(tǒng)的連續(xù)幀車道跟隨問題中廣泛使用的是基于模型參數(shù)的方法,其中卡爾曼濾波是一種典型方法,例如Mammeri等人在跟蹤車道線方面,使用了2個卡爾曼跟蹤器來跟蹤2個端點,但是單純使用卡爾曼濾波器要求系統(tǒng)為線性且系統(tǒng)噪聲需服從高斯分布,而在實際環(huán)境中,由于車輛振動,系統(tǒng)所處狀態(tài)并不能滿足這些條件。因此Kim 等人提出,車道跟隨更適合用粒子濾波器而不是卡爾曼濾波器。然而粒子濾波器對參數(shù)空間中傳播粒子的方差十分敏感,方差過大會使濾波效果變差,方差過小會造成搜索空間有限。于是,Heidi等人提出將粒子濾波器與卡爾曼濾波器結(jié)合為卡爾曼-粒子濾波器并在困難場景(鄉(xiāng)村道路)下的車道跟隨中取得了較為穩(wěn)定的結(jié)果。

    傳統(tǒng)車道跟隨方法在多變的道路場景中需要設(shè)計復(fù)雜的規(guī)則并進行繁瑣的人工參數(shù)調(diào)整,不利于減輕人員負擔,更不利于實現(xiàn)機器自我學習與自我控制。因此,近年來深度學習技術(shù)在車道跟隨領(lǐng)域逐漸引起關(guān)注。Pomerleau 等人利用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)了從駕駛圖像到車輛轉(zhuǎn)向盤轉(zhuǎn)角的映射,在一定的野外條件下有效地實現(xiàn)了真實道路跟隨;Muller 等人設(shè)計了6 層卷積神經(jīng)網(wǎng)絡(luò),直接預(yù)測了車輛的轉(zhuǎn)向盤轉(zhuǎn)角來實現(xiàn)車道跟隨;Bojarski 等人提出End-to-End 自動駕駛深度學習算法,并在仿真和真實駕駛場景中完成了測試;Yu 等人提出利用全卷積網(wǎng)絡(luò)(Fully Convolutional Networks,F(xiàn)CN)進行更深層的語義分割,通過長短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)直接對車輛轉(zhuǎn)向盤轉(zhuǎn)角和車速進行預(yù)測并取得了不錯的效果。

    就現(xiàn)有基于深度學習的車道跟隨研究而言,車道跟隨模型針對極端的困難駕駛場景(例如黑夜、陰影、無車道線等)的相關(guān)研究較少且準確性與穩(wěn)定性較差,同時存在數(shù)據(jù)集制作成本高昂的問題。因此,本文結(jié)合一種多幀輸入的車道線檢測模型提出一種基于深度學習的無人駕駛汽車車道跟隨模型。

    2 基于深度學習的車道檢測與跟隨模型

    2.1 時空信息與深層信息融合的車道線檢測模型

    本文基于U-Net結(jié)構(gòu)提出一種基于時空信息與深層信息融合的車道線檢測模型UNET_CLB(U-NET with Convolutional LSTM Block)。網(wǎng)絡(luò)整體結(jié)構(gòu)如圖1所示,各部分作用為:編碼器負責提取連續(xù)單目圖像中的車道特征;卷積長短時記憶網(wǎng)絡(luò)(CONVolutional Long Short-Term Memory,CONVLSTM)在經(jīng)典LSTM 網(wǎng)絡(luò)基礎(chǔ)上用卷積操作代替矩陣乘法,通過LSTM網(wǎng)絡(luò)保留時間信息,通過卷積操作保留空間信息,將編碼器與解碼器對應(yīng)通道的多幀語義信息融合,獲取更優(yōu)的高級車道特征;解碼器根據(jù)該特征恢復(fù)目標的語義信息。此外,編碼器第4 層輸出的一系列連續(xù)卷積塊采用了密連卷積的思想,通過特征復(fù)用增強了網(wǎng)絡(luò)的特征使用能力,以及通過不同層學習特征的并行映射增加了后續(xù)層的輸入變化,即編碼器第4層的輸出經(jīng)過密連卷積模塊獲取深層信息后輸入CONVLSTM模塊實現(xiàn)了深層信息的融合。整個網(wǎng)絡(luò)模型的輸入為車載單目相機采集的連續(xù)幀圖像向量,輸出為車道線語義分割預(yù)測圖。

    圖1 車道線檢測模型UNET_CLB

    2.2 深度時間注意力的車道跟隨模型

    借鑒時空序列預(yù)測領(lǐng)域的經(jīng)典模型PredRNN設(shè)計如圖2 所示的時間注意力網(wǎng)絡(luò)預(yù)測輸入信息的相關(guān)性,并基于此建立基于深度時間注意力的車道跟隨模型LSTM_DT(LSTM Network with Deterministic Time)。

    圖2 時間注意力網(wǎng)絡(luò)結(jié)構(gòu)

    該模型包括輸入層、中間處理模塊以及輸出層。

    中間處理模塊:

    a.確定性注意力網(wǎng)絡(luò):使用LSTM 網(wǎng)絡(luò)對先前的隱藏狀態(tài)h進行更新并使用多層感知器對輸入的維連續(xù)向量X進行加權(quán)。其中h∈R,基礎(chǔ)的LSTM 單元可以總結(jié)為:

    式中,i、fo分別為輸入門、遺忘門和輸出門;c為當前時刻的細胞狀態(tài)(Cell State);[h;X]∈R為先前的隱藏狀態(tài)(Hidden State)h和當前的輸入X的堆疊;W,W,W,W∈Rb,b,b,b∈R分別為各門輸入權(quán)重和每個分量的偏差,是網(wǎng)絡(luò)需要學習的參數(shù);()為Sigmoid激活函數(shù);⊙為阿達馬(Hadamard)乘積,即向量的元素相乘。

    式中,v∈RW∈R、P∈R為多層感知器需要學習的參數(shù)。

    如圖3所示,將連續(xù)時刻的車道線跟隨數(shù)據(jù)以及車輛控制數(shù)據(jù)輸入LSTM_DT 模型以預(yù)測時刻的車速與轉(zhuǎn)向盤轉(zhuǎn)角。網(wǎng)絡(luò)整體結(jié)構(gòu)由連續(xù)時刻的車道跟隨數(shù)據(jù)、時間注意力網(wǎng)絡(luò)、LSTM 單元,以及3 層全連接網(wǎng)絡(luò)組成,其中每個LSTM 單元含50 個隱藏單元,全連接網(wǎng)絡(luò)的第1 層和第2 層設(shè)為50 個神經(jīng)元,最后一層設(shè)為2個神經(jīng)元作為網(wǎng)絡(luò)的輸出向量y(時刻的車速和轉(zhuǎn)向盤轉(zhuǎn)角)。

    圖3 車道跟隨模型LSTM_DT

    2.3 深度時空注意力的車道跟隨模型

    由于車道線跟隨數(shù)據(jù)以及車輛控制數(shù)據(jù)經(jīng)過時間注意力網(wǎng)絡(luò)加權(quán)的車道向量輸入LSTM 后,隱藏狀態(tài)以及細胞狀態(tài)會從時間空間映射到新的空間,為了保證新空間的歷史信息的有效性,在LSTM_DT 基礎(chǔ)上設(shè)計空間注意力網(wǎng)絡(luò)為模型的隱藏狀態(tài)增加權(quán)重,則優(yōu)化后的LSTM_DTS(LSTM Network with Deterministic Time and Space)模型結(jié)構(gòu)如圖4所示。

    圖4 車道跟隨模型LSTM_DTS

    如圖4所示,輸入的車道跟隨數(shù)據(jù)經(jīng)時間注意力網(wǎng)絡(luò)加權(quán)輸入LSTM單元,其隱藏狀態(tài)通過SPACE_ATTNEN?TION層(空間注意力網(wǎng)絡(luò))加權(quán)以保證新空間的歷史信息的有效性,用表示SPACE_ATTNENTION層,則加權(quán)后的LSTM單元可表示為:

    3 自制車道跟隨數(shù)據(jù)集的驗證

    為驗證本文所提出模型的有效性,在自制車道跟隨數(shù)據(jù)集上進行測試。針對單目相機采集的原始數(shù)據(jù)集經(jīng)過初步的數(shù)據(jù)處理后,選擇Labelme標注軟件作為標記工具共制作60 000張車道數(shù)據(jù)集,涵蓋黑夜、陰影、無車道線等困難駕駛場景,標注結(jié)果如圖5所示。

    圖5 車道標記結(jié)果

    如圖5所示,為了評估UNET_CLB模型的車道線檢測能力,本文對采集的圖片進行了語義分割;為了便于獲取車道線三次樣條擬合參數(shù)以控制車道跟隨行為,對圖片進行了車道線實例分割。最后在車道線檢測數(shù)據(jù)集的基礎(chǔ)上建立車道跟隨數(shù)據(jù)集(包含連續(xù)個時刻的兩側(cè)車道線跟隨數(shù)據(jù)以及車輛控制數(shù)據(jù)),將(-1)時刻的車速和轉(zhuǎn)向盤轉(zhuǎn)角v、δ與時刻兩側(cè)車道跟隨數(shù)據(jù)的三次樣條參數(shù)值、、、、、、、作為車道跟隨模型在時刻的輸入數(shù)據(jù);模型輸出為時刻的車速和轉(zhuǎn)向盤轉(zhuǎn)角。

    3.1 模型訓練結(jié)果

    車道跟隨模型的輸入為車道線三次樣條參數(shù)與(-1)時刻的車速與轉(zhuǎn)向盤轉(zhuǎn)角,模型標簽為時刻的車速與轉(zhuǎn)向盤轉(zhuǎn)角。模型訓練時的時間步長設(shè)置為2;批量處理尺寸(Batch size)設(shè)置為64;訓練時總的迭代次數(shù)(Epoch)設(shè)置為50;損失函數(shù)設(shè)置為均方誤差(MSE);優(yōu)化器設(shè)置為自適應(yīng)動量評估(Adam);學習率設(shè)置為0.001。整個數(shù)據(jù)集按7∶1∶2 劃分為訓練集、驗證集、測試集。本文模型的訓練環(huán)境包含2臺深度學習工作站,CPU為16核32線程的雙路至強E5 2620,獨立顯卡分別為1 塊GTX2080ti 和1 塊GTX1080ti。深度學習環(huán)境配置為:CUDA 10.0、CUDNN 7.3.1、Pytorch 1.6.0、Python 3.7、OpenCV-Python 3.4以及其他相關(guān)依賴庫。

    如圖6 為LSTM_DTS 模型在訓練與驗證中的誤差變化曲線,可見模型訓練誤差在第3 次迭代時迅速下降,驗證誤差在第14 次迭代時基本不變,訓練基本擬合,模型最終的訓練誤差、驗證誤差和測試誤差分別為3.54%、1.75%、1.43%,可見模型在自制車道跟隨數(shù)據(jù)集上的收斂速度較快,訓練效果較好。如圖7 所示為LSTM_DTS 模型在測試集上轉(zhuǎn)向盤轉(zhuǎn)角預(yù)測值與真實值結(jié)果(為了更好地衡量模型的預(yù)測效果,對原始數(shù)據(jù)和預(yù)測數(shù)據(jù)進行了歸一化處理),由圖7可知,模型對大部分數(shù)據(jù)都能較好地擬合。

    圖6 LSTM_DTS模型訓練誤差與驗證誤差曲線

    圖7 LSTM_DTS模型預(yù)測結(jié)果

    3.2 模型對比測試

    如圖8 所示為本文所提出模型與經(jīng)典時空預(yù)測模型PredRNN預(yù)測轉(zhuǎn)向盤轉(zhuǎn)角的結(jié)果對比曲線??梢钥闯觯琇STM_DTS 模型預(yù)測結(jié)果變化較為平穩(wěn)且更貼近真值,而PredRNN 模型在轉(zhuǎn)角變化處產(chǎn)生劇烈波動。根據(jù)已有研究結(jié)果,前輪轉(zhuǎn)角應(yīng)滿足約束:

    圖8 轉(zhuǎn)向盤轉(zhuǎn)角對比曲線

    式中,為穩(wěn)定性因數(shù);=9.8 m/s為重力加速度;為前輪最大轉(zhuǎn)角;為模型車輛質(zhì)心速度;為模型車輛的軸距。

    可見,在較高車速下轉(zhuǎn)向時采用PredRNN 模型預(yù)測結(jié)果會嚴重影響車輛的操縱穩(wěn)定性,而采用本文所提出的LSTM_DTS 模型可以更好地克服轉(zhuǎn)向盤轉(zhuǎn)角的波動性從而具有更好的車輛操縱穩(wěn)定性。

    同樣地,圖9所示為本文所提出的模型與PredRNN模型在車速上的對比曲線。從圖9 中可以看出,采用PredRNN 模型預(yù)測的車速變化劇烈,LSTM_DTS 模型預(yù)測的車速變化較為平穩(wěn)且接近真實車速。而根據(jù)式(4),轉(zhuǎn)角過大時,若超過對應(yīng)轉(zhuǎn)角下的極限車速會有發(fā)生側(cè)滑的危險,可見LSTM_DTS模型不僅具有較高的準確率,并且可以很好地克服波動從而具有更好的車輛操縱穩(wěn)定性。

    圖9 車速對比曲線

    4 仿真驗證

    4.1 仿真環(huán)境下的驗證

    為進一步驗證車道跟隨模型在黑夜、陰影、無線等困難環(huán)境中能否滿足車輛操縱穩(wěn)定性,基于Webots 仿真軟件搭建城市夜晚仿真模型。通過手動控制仿真車輛行駛,共采集6 000張黑夜環(huán)境車道圖像制作車道線仿真數(shù)據(jù)集,同時記錄對應(yīng)時刻模型車的前輪轉(zhuǎn)角與車速,并在其基礎(chǔ)上制作車道跟隨仿真數(shù)據(jù)集。利用車道線仿真數(shù)據(jù)集訓練UNET_CLB模型,利用車道跟隨數(shù)據(jù)集訓練LSTM_DTS模型。

    圖10 給出了LSTM_DTS 的訓練誤差曲線,由圖10可知,模型訓練誤差在第3 次迭代時迅速下降,驗證誤差在第8 次迭代時基本不變,模型訓練基本擬合,模型最終的訓練誤差、驗證誤差和測試誤差分別為3.65%、2.15%、2.27%,可見模型車道跟隨仿真數(shù)據(jù)集上的收斂速度較快,訓練效果較好。

    圖10 LSTM_DTS模型訓練及驗證誤差曲線

    如圖11所示為采用本文模型進行整個仿真的算法框架:車道線檢測類負責識別連續(xù)3 幀圖像,并將最后一幀圖像通過三次樣條曲線擬合得到車道線參數(shù);車道跟隨類獲取上一時刻的車道線參數(shù),車速與前輪轉(zhuǎn)角輸出此時刻的車速和前輪轉(zhuǎn)角;安全判定條件類判斷車速與前輪轉(zhuǎn)角是否符合極限關(guān)系,從而保證在滿足安全條件的前提下控制仿真車輛行駛。

    圖11 仿真算法框架

    基于常用的兩輪車輛運動學模型,前輪驅(qū)動時,后輪轉(zhuǎn)角恒為0,則車輛坐標系下的運動學模型為:

    式中,為航向角;為質(zhì)心側(cè)偏角;、分別為模型車輛前軸軸距、后軸軸距。

    PID 控制作為成熟的控制器被廣泛應(yīng)用在無人車軌跡跟蹤領(lǐng)域,使用PID 控制作為對比方法檢驗LSTM_DTS 控制方法的有效性。將車道中間線的軌跡作為參考軌跡,利用無人車的橫向跟蹤誤差e作為PID控制器的反饋,轉(zhuǎn)向盤轉(zhuǎn)角作為控制器的對象,其中橫向跟蹤誤差e為前軸中心點(r,r)到最近路徑點(p,p)的距離,具體如圖12所示。

    圖12 橫向跟蹤誤差示意

    如圖12,橫向跟蹤誤差計算公式為:

    式中,為前視距離,即后軸中心與當前最近路徑點的距離;=-為前軸中心點(r,r)到最近路徑點(p,p)間連線與垂直方向的夾角。

    使用PID控制器輸出轉(zhuǎn)向盤轉(zhuǎn)角為:

    式中,e()為步對應(yīng)的系統(tǒng)誤差;k、k、k為控制器參數(shù)。

    根據(jù)PID 控制器中比例控制(P)、積分控制(I)、微分控制(D)的控制特性,采用湊試法人工調(diào)節(jié)控制器對應(yīng)的控制參數(shù)k、k、k使得橫向誤差達到較小值,同時對應(yīng)觀察仿真小車的運行軌跡與參考軌跡的對比來保證PID 控制器達到比較好的控制效果。PID 控制器的3 個參數(shù)通過湊試法確定,具體的取值為:k=1.0,k=0.001,k=20.0。

    通過GPS記錄仿真車輛的坐標(GPS無漂移),車輛在不同控制模型下的仿真路線與期望路線對比結(jié)果如圖13所示??梢娫诤谝弓h(huán)境中LSTM_DTS 控制下的車輛行駛路線基本符合期望軌跡,但在運行過程中出現(xiàn)一些困難點,導致車輛行駛路線發(fā)生波動。

    圖13 仿真結(jié)果對比

    如圖14所示為仿真車輛在困難點1、4、6(黑夜轉(zhuǎn)彎處)UNET_CLB模型對車道線的識別結(jié)果。因為左車道線的像素點過少導致UNET_CLB 模型對左車道線擬合斜率出現(xiàn)偏差,從而影響LSTM_DTS 模型輸出轉(zhuǎn)角變小,但LSTM_DTS模型控制輸出的結(jié)果較為平穩(wěn)。

    圖14 UNET_CLB模型在黑夜轉(zhuǎn)彎處的識別結(jié)果

    如圖15所示為仿真車輛在困難點2、3(陰影處),5、7(無車道線處)的識別結(jié)果。在陰影環(huán)境下UNET_CLB模型對車道線擬合效果良好,LSTM_DTS 模型在控制過程中由于即將進入轉(zhuǎn)彎處,車速降低導致輸出轉(zhuǎn)角小幅波動但基本滿足操縱穩(wěn)定性要求;在無線環(huán)境下UNET_CLB模型受遠端斑馬線影響,導致車道擬合斜率偏差,LSTM_DTS模型在控制過程中輸出轉(zhuǎn)角小幅波動但基本跟隨真實路線。

    圖15 UNET_CLB模型在陰影與無線處的識別結(jié)果

    綜上,在無車道線、陰影、黑夜等困難環(huán)境下LSTM_DTS模型輸出控制轉(zhuǎn)角雖然有較小的波動,但可以較好地控制仿真車輛安全行駛。與成熟的PID 控制器相比,本文所提出的控制方法有效避免了傳統(tǒng)控制方法人工進行復(fù)雜的模型、規(guī)則、參數(shù)設(shè)計,并且只需提供足夠的數(shù)據(jù)用于模型的訓練即可達到與傳統(tǒng)控制器相同的控制效果。

    4.2 真實場景下的遷移學習驗證

    本節(jié)構(gòu)建的仿真數(shù)據(jù)集與真實場景下的數(shù)據(jù)集具有相似性,因此選用遷移學習的方法對真實場景下構(gòu)建的數(shù)據(jù)集進行訓練與測試。UNET_CLB 模型在真實車道檢測數(shù)據(jù)集的識別效果如圖16所示。

    圖16 真實車道檢測數(shù)據(jù)集識別效果

    由圖16 可知,UNET_CLB 模型在黑夜、陰影、無車道線環(huán)境中識別效果良好,并在存在車轍印、雨水等干擾條件下也具有較好的魯棒性與較高準確率,為車道跟隨模型LSTM_DTS 奠定了良好的跟隨基礎(chǔ)。如圖17所示為LSTM_DTS 模型輸出的預(yù)測值與真實值在轉(zhuǎn)向盤轉(zhuǎn)角上的對比曲線。從圖17中可以看出,LSTM_DTS模型與真實數(shù)據(jù)差值基本在0附近波動,具有較好的平順性,在真實轉(zhuǎn)角劇烈變化處,模型預(yù)測值偏小,因此本模型可以更好地克服波動使得車輛保持良好的車輛操縱穩(wěn)定性。

    圖17 遷移學習下的轉(zhuǎn)向盤轉(zhuǎn)角對比曲線

    同樣地,如圖18 所示為LSTM_DTS 模型輸出的預(yù)測值與真實值在車速上的對比曲線。在車速劇烈變化時,LSTM_DTS 模型輸出的車速預(yù)測值相對較小,有助于保證車輛的駕駛安全性;在車輛直線高速行駛時,LSTM_DTS 模型的預(yù)測值與真實值比較接近而且變化平穩(wěn),保證了駕駛員的操縱穩(wěn)定性。

    圖18 遷移學習下的車速對比曲線

    5 結(jié)束語

    本文提出了一種深度時空注意力網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)相結(jié)合的車道跟隨模型LSTM_DTS,并在自制的實際車道跟隨數(shù)據(jù)集上訓練取得了1.43%的測試誤差。最后結(jié)合一種多幀輸入的車道線檢測模型UNET_CLB在搭建的仿真困難駕駛場景(包含黑夜、陰影、無車道線等)下對本文所提出的模型進行訓練以及測試驗證,獲得了2.27%的測試誤差,并通過遷移學習方法進行驗證,結(jié)果表明,本文模型不僅具有良好的魯棒性與準確性,并能夠在困難場景下有效地實現(xiàn)無人駕駛車輛車道跟隨,可以更好地輔助無人駕駛并能應(yīng)用于車道偏離預(yù)警、自動泊車等無人駕駛技術(shù)。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    男女之事视频高清在线观看| 麻豆国产av国片精品| 欧美一区二区国产精品久久精品| 精品国产美女av久久久久小说| 婷婷精品国产亚洲av在线| 国产亚洲精品久久久久久毛片| 91九色精品人成在线观看| 中文资源天堂在线| 在线国产一区二区在线| 99精品在免费线老司机午夜| 男女那种视频在线观看| www.www免费av| 啪啪无遮挡十八禁网站| 舔av片在线| 母亲3免费完整高清在线观看| 国产亚洲欧美在线一区二区| 久久精品影院6| 黄片小视频在线播放| 久久久成人免费电影| 国产精品久久久人人做人人爽| 精华霜和精华液先用哪个| 亚洲 国产 在线| 日韩免费av在线播放| 国产亚洲精品久久久久久毛片| 99视频精品全部免费 在线| 国产视频一区二区在线看| 白带黄色成豆腐渣| 欧美精品啪啪一区二区三区| 天天一区二区日本电影三级| 一本综合久久免费| 丁香六月欧美| 日日摸夜夜添夜夜添小说| 午夜精品一区二区三区免费看| www.熟女人妻精品国产| 亚洲不卡免费看| 老司机福利观看| 国产日本99.免费观看| 国产淫片久久久久久久久 | 国产成人系列免费观看| 女人高潮潮喷娇喘18禁视频| ponron亚洲| 国产精品综合久久久久久久免费| 少妇高潮的动态图| 成人永久免费在线观看视频| 国产精品99久久久久久久久| 国产精品乱码一区二三区的特点| 欧美高清成人免费视频www| 人妻丰满熟妇av一区二区三区| 老司机福利观看| 99久国产av精品| 亚洲av不卡在线观看| 熟女少妇亚洲综合色aaa.| 欧美丝袜亚洲另类 | 97碰自拍视频| 国产精品影院久久| av中文乱码字幕在线| 2021天堂中文幕一二区在线观| 亚洲 国产 在线| 男人舔奶头视频| 国产av在哪里看| 成人三级黄色视频| 一级a爱片免费观看的视频| 波多野结衣高清无吗| 国产av在哪里看| 亚洲国产精品sss在线观看| 日韩成人在线观看一区二区三区| 欧美+亚洲+日韩+国产| 97碰自拍视频| 午夜福利高清视频| 悠悠久久av| 一进一出抽搐gif免费好疼| 欧美一区二区精品小视频在线| 日韩欧美国产一区二区入口| 好男人电影高清在线观看| 亚洲精品一区av在线观看| 美女大奶头视频| 久久精品国产亚洲av香蕉五月| 中文字幕人成人乱码亚洲影| 一a级毛片在线观看| 国产伦精品一区二区三区视频9 | 性色av乱码一区二区三区2| 免费人成视频x8x8入口观看| 香蕉丝袜av| 一个人观看的视频www高清免费观看| a在线观看视频网站| 成年人黄色毛片网站| 操出白浆在线播放| 欧美极品一区二区三区四区| 国产久久久一区二区三区| 亚洲天堂国产精品一区在线| 啦啦啦韩国在线观看视频| 国产午夜精品论理片| 亚洲欧美日韩东京热| 天天一区二区日本电影三级| 亚洲专区国产一区二区| 熟女电影av网| 99久久久亚洲精品蜜臀av| 老汉色∧v一级毛片| 大型黄色视频在线免费观看| av中文乱码字幕在线| 日本与韩国留学比较| 亚洲乱码一区二区免费版| 亚洲欧美日韩无卡精品| 草草在线视频免费看| 丰满人妻一区二区三区视频av | 午夜福利在线观看吧| 毛片女人毛片| 亚洲成a人片在线一区二区| 国产成人啪精品午夜网站| xxx96com| 99国产极品粉嫩在线观看| 亚洲 欧美 日韩 在线 免费| 12—13女人毛片做爰片一| 嫩草影视91久久| 神马国产精品三级电影在线观看| 亚洲欧美日韩无卡精品| 色综合亚洲欧美另类图片| 国产一区二区激情短视频| 极品教师在线免费播放| 国产高清有码在线观看视频| 久久精品91无色码中文字幕| 欧美色视频一区免费| 国内精品久久久久久久电影| 欧美日韩亚洲国产一区二区在线观看| 日韩欧美国产在线观看| 日日摸夜夜添夜夜添小说| 欧美乱码精品一区二区三区| 变态另类成人亚洲欧美熟女| 国产午夜福利久久久久久| 伊人久久大香线蕉亚洲五| 国产野战对白在线观看| av欧美777| 国产av不卡久久| 国产高清有码在线观看视频| 99在线视频只有这里精品首页| 亚洲一区高清亚洲精品| 校园春色视频在线观看| 级片在线观看| 午夜视频国产福利| 亚洲专区国产一区二区| 亚洲成人久久性| 国产男靠女视频免费网站| 一进一出好大好爽视频| 九九热线精品视视频播放| 69av精品久久久久久| 给我免费播放毛片高清在线观看| 亚洲av电影不卡..在线观看| 国产成人欧美在线观看| 亚洲欧美精品综合久久99| 啦啦啦观看免费观看视频高清| 精品国内亚洲2022精品成人| 亚洲无线观看免费| 国内精品美女久久久久久| 免费看a级黄色片| av欧美777| 人人妻人人澡欧美一区二区| 欧美一级a爱片免费观看看| 亚洲无线在线观看| 中文字幕久久专区| 淫秽高清视频在线观看| 亚洲国产精品合色在线| 中文资源天堂在线| 亚洲精品一卡2卡三卡4卡5卡| 精品一区二区三区视频在线观看免费| 午夜福利18| 色吧在线观看| 香蕉丝袜av| tocl精华| 91麻豆av在线| 真实男女啪啪啪动态图| 又黄又爽又免费观看的视频| 欧美日韩黄片免| 亚洲精品日韩av片在线观看 | 国产高清有码在线观看视频| 日韩亚洲欧美综合| 一卡2卡三卡四卡精品乱码亚洲| 窝窝影院91人妻| av天堂中文字幕网| 人人妻人人澡欧美一区二区| 欧美黑人欧美精品刺激| 少妇裸体淫交视频免费看高清| 日韩高清综合在线| 很黄的视频免费| 国产又黄又爽又无遮挡在线| 欧美日韩国产亚洲二区| 亚洲成人免费电影在线观看| 国产精品影院久久| 香蕉av资源在线| 欧美日韩中文字幕国产精品一区二区三区| 91在线精品国自产拍蜜月 | 亚洲国产精品合色在线| 国产极品精品免费视频能看的| 午夜福利18| 国产精品一区二区三区四区久久| 在线观看美女被高潮喷水网站 | 黄片小视频在线播放| 久久久精品欧美日韩精品| 欧美xxxx黑人xx丫x性爽| 亚洲一区高清亚洲精品| 啦啦啦观看免费观看视频高清| 久久精品国产综合久久久| 欧美日韩黄片免| 国产精品香港三级国产av潘金莲| 久久香蕉国产精品| 亚洲精华国产精华精| x7x7x7水蜜桃| 国产 一区 欧美 日韩| 国产午夜精品论理片| 我的老师免费观看完整版| 一级a爱片免费观看的视频| 国产国拍精品亚洲av在线观看 | 老司机午夜十八禁免费视频| 日本在线视频免费播放| 国产熟女xx| 亚洲中文字幕一区二区三区有码在线看| 精品无人区乱码1区二区| 国产精品亚洲av一区麻豆| 国产 一区 欧美 日韩| 老熟妇乱子伦视频在线观看| 亚洲真实伦在线观看| 国产国拍精品亚洲av在线观看 | 欧洲精品卡2卡3卡4卡5卡区| 丁香六月欧美| h日本视频在线播放| 美女免费视频网站| 88av欧美| 天美传媒精品一区二区| 好男人在线观看高清免费视频| 亚洲久久久久久中文字幕| 麻豆一二三区av精品| 精品不卡国产一区二区三区| av中文乱码字幕在线| 国产91精品成人一区二区三区| 淫秽高清视频在线观看| 国产精品久久视频播放| av片东京热男人的天堂| 国产在线精品亚洲第一网站| 天天一区二区日本电影三级| 91久久精品电影网| 久久精品国产自在天天线| 午夜福利免费观看在线| 久久午夜亚洲精品久久| 国产精品久久电影中文字幕| 国产亚洲精品av在线| 国产精品综合久久久久久久免费| 草草在线视频免费看| 欧美一区二区国产精品久久精品| 成人欧美大片| 久久精品国产99精品国产亚洲性色| 内射极品少妇av片p| 亚洲精品亚洲一区二区| 国产精品久久久人人做人人爽| 欧美一区二区亚洲| 18禁黄网站禁片午夜丰满| 午夜精品一区二区三区免费看| 白带黄色成豆腐渣| 美女大奶头视频| 女生性感内裤真人,穿戴方法视频| 日本一二三区视频观看| 亚洲欧美精品综合久久99| 日韩欧美在线乱码| 亚洲精品在线观看二区| 露出奶头的视频| 精品欧美国产一区二区三| 精品人妻一区二区三区麻豆 | 久久国产精品人妻蜜桃| 日韩国内少妇激情av| 亚洲真实伦在线观看| or卡值多少钱| 热99re8久久精品国产| 精品一区二区三区av网在线观看| 日本黄色视频三级网站网址| 精品国产三级普通话版| 国产伦人伦偷精品视频| 老司机午夜十八禁免费视频| 脱女人内裤的视频| ponron亚洲| АⅤ资源中文在线天堂| av女优亚洲男人天堂| 夜夜躁狠狠躁天天躁| 悠悠久久av| 国产成人福利小说| 久久久色成人| 一级毛片女人18水好多| 国内精品美女久久久久久| 深夜精品福利| 久久久国产成人免费| 国产成人a区在线观看| 国产精品亚洲一级av第二区| 黄色女人牲交| 一本久久中文字幕| 精品人妻一区二区三区麻豆 | 国产精品电影一区二区三区| 欧美三级亚洲精品| 亚洲av免费在线观看| 性色avwww在线观看| 丰满人妻熟妇乱又伦精品不卡| av福利片在线观看| 国产伦精品一区二区三区视频9 | 久久久国产成人精品二区| 欧美乱色亚洲激情| 久久人人精品亚洲av| 亚洲欧美一区二区三区黑人| 色av中文字幕| 一个人看的www免费观看视频| 国产欧美日韩一区二区三| 久久久久国内视频| 国产在视频线在精品| 精品国产亚洲在线| 久久精品影院6| bbb黄色大片| 亚洲无线观看免费| 久久国产乱子伦精品免费另类| 极品教师在线免费播放| 夜夜夜夜夜久久久久| 欧美日本视频| 午夜福利在线在线| 国内毛片毛片毛片毛片毛片| 国产中年淑女户外野战色| 欧美最黄视频在线播放免费| 老熟妇仑乱视频hdxx| 久久精品综合一区二区三区| 18禁黄网站禁片午夜丰满| 一级毛片女人18水好多| 麻豆成人av在线观看| 午夜a级毛片| 欧美成人a在线观看| 欧美国产日韩亚洲一区| 国产午夜福利久久久久久| 亚洲av美国av| 国产亚洲精品久久久久久毛片| 亚洲精品一区av在线观看| 偷拍熟女少妇极品色| 国产亚洲欧美98| 757午夜福利合集在线观看| 国产不卡一卡二| 啪啪无遮挡十八禁网站| 最新美女视频免费是黄的| 每晚都被弄得嗷嗷叫到高潮| 久久久精品欧美日韩精品| 在线看三级毛片| 亚洲va日本ⅴa欧美va伊人久久| 啦啦啦免费观看视频1| 最近最新中文字幕大全免费视频| 丰满人妻熟妇乱又伦精品不卡| 三级男女做爰猛烈吃奶摸视频| 宅男免费午夜| 欧美成狂野欧美在线观看| 亚洲在线观看片| 成年女人看的毛片在线观看| 国产国拍精品亚洲av在线观看 | 国产激情欧美一区二区| 午夜免费成人在线视频| 一夜夜www| 国产高清videossex| 国产精品亚洲一级av第二区| 免费高清视频大片| 成年免费大片在线观看| 亚洲va日本ⅴa欧美va伊人久久| 在线观看一区二区三区| 色播亚洲综合网| 精品久久久久久久久久久久久| 婷婷精品国产亚洲av| 精品乱码久久久久久99久播| 别揉我奶头~嗯~啊~动态视频| 好看av亚洲va欧美ⅴa在| 日韩 欧美 亚洲 中文字幕| 亚洲精华国产精华精| 欧美一级a爱片免费观看看| 国产三级中文精品| 亚洲av成人精品一区久久| 国产乱人伦免费视频| 丰满的人妻完整版| 在线观看日韩欧美| 免费看光身美女| 国产伦精品一区二区三区视频9 | 观看美女的网站| 首页视频小说图片口味搜索| 国产乱人伦免费视频| 深夜精品福利| 美女 人体艺术 gogo| 欧美+日韩+精品| 精华霜和精华液先用哪个| 久久精品91无色码中文字幕| 夜夜躁狠狠躁天天躁| 成人国产一区最新在线观看| 国产伦人伦偷精品视频| 日本一本二区三区精品| 国产乱人视频| 久久久精品欧美日韩精品| 亚洲男人的天堂狠狠| 亚洲精品在线美女| 综合色av麻豆| 蜜桃久久精品国产亚洲av| 国产一区二区三区视频了| 综合色av麻豆| 色尼玛亚洲综合影院| 国内少妇人妻偷人精品xxx网站| 少妇裸体淫交视频免费看高清| 色尼玛亚洲综合影院| 欧美一区二区精品小视频在线| av视频在线观看入口| 久久人妻av系列| 在线观看av片永久免费下载| 两个人视频免费观看高清| 99热这里只有是精品50| 日韩欧美国产一区二区入口| 岛国在线免费视频观看| 久久久久久久亚洲中文字幕 | 亚洲精品一区av在线观看| 亚洲精品影视一区二区三区av| 脱女人内裤的视频| 午夜福利欧美成人| 成人性生交大片免费视频hd| 国产精品野战在线观看| 国产主播在线观看一区二区| 热99re8久久精品国产| 亚洲专区国产一区二区| 色综合站精品国产| 法律面前人人平等表现在哪些方面| 三级国产精品欧美在线观看| 搡老妇女老女人老熟妇| 精品一区二区三区av网在线观看| 女人高潮潮喷娇喘18禁视频| 亚洲av第一区精品v没综合| 国产在线精品亚洲第一网站| 国产成人系列免费观看| 久久九九热精品免费| 亚洲av中文字字幕乱码综合| 搡女人真爽免费视频火全软件 | 亚洲av日韩精品久久久久久密| 国产97色在线日韩免费| 免费无遮挡裸体视频| 天堂√8在线中文| 精品午夜福利视频在线观看一区| 三级男女做爰猛烈吃奶摸视频| 少妇的逼好多水| 国产亚洲欧美98| 小说图片视频综合网站| 最近视频中文字幕2019在线8| 九色国产91popny在线| 欧美日本亚洲视频在线播放| 男人的好看免费观看在线视频| 成人性生交大片免费视频hd| 无人区码免费观看不卡| 日韩精品中文字幕看吧| 亚洲国产欧美人成| 亚洲国产中文字幕在线视频| 国产极品精品免费视频能看的| 岛国在线免费视频观看| 人妻丰满熟妇av一区二区三区| 亚洲精品日韩av片在线观看 | xxx96com| 成人三级黄色视频| 99精品久久久久人妻精品| 国产乱人伦免费视频| 久久精品综合一区二区三区| 亚洲久久久久久中文字幕| 日韩人妻高清精品专区| 99riav亚洲国产免费| 两性午夜刺激爽爽歪歪视频在线观看| 99热只有精品国产| 成熟少妇高潮喷水视频| 午夜福利高清视频| 中国美女看黄片| 熟妇人妻久久中文字幕3abv| 免费高清视频大片| 日韩欧美在线二视频| 欧美+亚洲+日韩+国产| 亚洲人成电影免费在线| 亚洲av二区三区四区| 天堂√8在线中文| 中文字幕人妻熟人妻熟丝袜美 | 午夜福利视频1000在线观看| 韩国av一区二区三区四区| 国产精品久久久久久精品电影| 日本撒尿小便嘘嘘汇集6| 白带黄色成豆腐渣| 国产精品爽爽va在线观看网站| 99热这里只有精品一区| 久久欧美精品欧美久久欧美| 久久午夜亚洲精品久久| 少妇高潮的动态图| 听说在线观看完整版免费高清| 亚洲av成人精品一区久久| 亚洲成人中文字幕在线播放| 国产成人aa在线观看| 老汉色∧v一级毛片| 午夜福利在线观看吧| 天天一区二区日本电影三级| 少妇的逼好多水| 真实男女啪啪啪动态图| 国产伦精品一区二区三区视频9 | 亚洲午夜理论影院| 亚洲精品美女久久久久99蜜臀| 午夜福利成人在线免费观看| 男人舔奶头视频| 毛片女人毛片| 国产视频一区二区在线看| 搡老妇女老女人老熟妇| 国产av麻豆久久久久久久| 免费电影在线观看免费观看| 色综合欧美亚洲国产小说| 久久久久亚洲av毛片大全| 最近在线观看免费完整版| 亚洲人成网站在线播放欧美日韩| 国产伦人伦偷精品视频| 看片在线看免费视频| 亚洲国产欧洲综合997久久,| 亚洲天堂国产精品一区在线| 午夜a级毛片| e午夜精品久久久久久久| 91字幕亚洲| 久久午夜亚洲精品久久| 亚洲色图av天堂| 一个人免费在线观看电影| 国产亚洲精品av在线| 亚洲av日韩精品久久久久久密| 国产 一区 欧美 日韩| 婷婷六月久久综合丁香| 色av中文字幕| 亚洲成人中文字幕在线播放| 久久久国产成人精品二区| 村上凉子中文字幕在线| 国产精品美女特级片免费视频播放器| 国产精品99久久99久久久不卡| 69av精品久久久久久| 熟妇人妻久久中文字幕3abv| 亚洲狠狠婷婷综合久久图片| 真人做人爱边吃奶动态| 美女高潮喷水抽搐中文字幕| 级片在线观看| 精品国产三级普通话版| 成熟少妇高潮喷水视频| 91av网一区二区| 国产成人欧美在线观看| 国产三级在线视频| 精品无人区乱码1区二区| 91字幕亚洲| 熟女人妻精品中文字幕| 久久久久久九九精品二区国产| 日韩亚洲欧美综合| 欧美日韩黄片免| 国产亚洲精品久久久com| 精品不卡国产一区二区三区| 欧美日韩乱码在线| 国产精品电影一区二区三区| 精品乱码久久久久久99久播| 最近最新中文字幕大全电影3| www日本黄色视频网| 99久久精品国产亚洲精品| 人人妻人人澡欧美一区二区| e午夜精品久久久久久久| 2021天堂中文幕一二区在线观| 操出白浆在线播放| 成人av一区二区三区在线看| 1024手机看黄色片| 老熟妇仑乱视频hdxx| 精品一区二区三区视频在线 | 色播亚洲综合网| 国产乱人伦免费视频| 亚洲av第一区精品v没综合| 国产亚洲精品一区二区www| 我要搜黄色片| 国产探花极品一区二区| 亚洲七黄色美女视频| 特级一级黄色大片| 18禁美女被吸乳视频| 色老头精品视频在线观看| 岛国在线免费视频观看| 手机成人av网站| 亚洲五月天丁香| 日韩中文字幕欧美一区二区| 亚洲最大成人手机在线| 国产视频一区二区在线看| 午夜免费激情av| 网址你懂的国产日韩在线| 亚洲欧美一区二区三区黑人| 久久久久国产精品人妻aⅴ院| 欧美激情在线99| 亚洲av五月六月丁香网| 久久6这里有精品| 亚洲色图av天堂| 亚洲五月天丁香| 激情在线观看视频在线高清| 国产高清有码在线观看视频| 国产乱人伦免费视频| 俺也久久电影网| 精品国产超薄肉色丝袜足j| 在线观看日韩欧美| 久久精品夜夜夜夜夜久久蜜豆| 色尼玛亚洲综合影院| 99在线人妻在线中文字幕| 久久精品国产综合久久久| 免费搜索国产男女视频| 三级国产精品欧美在线观看| 精品无人区乱码1区二区| 男女下面进入的视频免费午夜| 精品一区二区三区av网在线观看| a级毛片a级免费在线| 亚洲av五月六月丁香网| 国产精品嫩草影院av在线观看 | 熟女人妻精品中文字幕| 亚洲成人中文字幕在线播放| 久久国产精品人妻蜜桃| 久久久精品欧美日韩精品| 亚洲av二区三区四区| 久久久国产成人免费| 亚洲国产精品sss在线观看| 中文在线观看免费www的网站| 九九热线精品视视频播放| 激情在线观看视频在线高清| 久9热在线精品视频| 国产精品综合久久久久久久免费| 在线免费观看不下载黄p国产 |