• <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 ?

    基于激光雷達(dá)自適應(yīng)聚類(lèi)半徑的樹(shù)冠檢測(cè)研究

    2024-05-22 21:42:47臺(tái)少瑜李云伍趙穎林先卬黎遠(yuǎn)江王義成
    關(guān)鍵詞:激光雷達(dá)

    臺(tái)少瑜 李云伍 趙穎 林先卬 黎遠(yuǎn)江 王義成

    摘要:為解決丘陵山地果園條件下激光雷達(dá)檢測(cè)過(guò)程中面對(duì)多尺寸、多距離條件下出現(xiàn)的目標(biāo)物體漏檢、誤檢等欠分割和過(guò)分割問(wèn)題,提出一種基于激光雷達(dá)的自適應(yīng)目標(biāo)聚類(lèi)半徑目標(biāo)物體檢測(cè)方法。首先,在使用激光雷達(dá)感知到周?chē)h(huán)境的三維點(diǎn)云后,去除地面點(diǎn)云并且使用體素濾波進(jìn)行降采樣的預(yù)處理,在減少數(shù)據(jù)量的同時(shí)去除點(diǎn)云中的噪聲點(diǎn)。其次,建立Kd tree模型進(jìn)行最近鄰搜索,以加速歐式聚類(lèi)的進(jìn)程,通過(guò)自適應(yīng)確定每顆樹(shù)冠的聚類(lèi)半徑,使歐式聚類(lèi)能夠得到更好的聚類(lèi)效果。最后為驗(yàn)證算法準(zhǔn)確性和實(shí)用性,基于果園履帶車(chē)平臺(tái),采用32線激光雷達(dá)對(duì)所提算法進(jìn)行實(shí)車(chē)測(cè)試。結(jié)果表明:在丘陵山地果園中該算法可準(zhǔn)確聚類(lèi)果樹(shù)樹(shù)冠點(diǎn)云,且實(shí)地目標(biāo)正檢率為94.41%。

    關(guān)鍵詞:激光雷達(dá);樹(shù)冠檢測(cè);Kd tree模型;自適應(yīng)聚類(lèi)

    中圖分類(lèi)號(hào):TN959.6

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):20955553 (2024) 02022107

    收稿日期:2022年11月30日 ?修回日期:2022年12月23日

    基金項(xiàng)目:貴州省科技計(jì)劃項(xiàng)目(黔科合支撐[2021]一般171)

    第一作者:臺(tái)少瑜,男,1999年生,山東諸城人,碩士研究生;研究方向?yàn)樘镩g作業(yè)環(huán)境感知技術(shù)。Email: taishaoyu@163.com

    通訊作者:李云伍,男,1974年生,重慶人,博士,教授;研究方向?yàn)橹悄苻r(nóng)機(jī)裝備及田間作業(yè)環(huán)境感知技術(shù)。Email: liywu@swu.edu.cn

    Research on crown detection based on adaptive clustering radius of Lidar

    Tai Shaoyu1, Li Yunwu1, 2, Zhao Ying1, Lin Xianang1, Li Yuanjiang1, Wang Yicheng1

    (1. College of Engineering and Technology, Southwest University, Chongqing, 400716, China;

    2. Chongqing Key Laboratory of Agricultural Equipment in Hilly Area, Chongqing, 400716, China)

    Abstract:

    In order to solve the problem of undersegmentation and oversegmentation such as missed detection and false detection of target objects under multisize and multidistance conditions in the process of Lidar detection under hilly and mountainous orchard conditions, a target object detection method based on adaptive target clustering radius of Lidar is proposed. Firstly, by using Lidar to sense the threedimensional point cloud of the surrounding environment, the ground point cloud is removed and the preprocessing of down sample is performed by voxel filter. The amount of data is reduced and the noise points in the point cloud is removed. Secondly, the Kd tree model is established and the nearest neighbor search is carried out to accelerate the process of Euclidean clustering. By adaptively determining the clustering radius of each crown, the Euclidean clustering can get better clustering results. Finally, in order to verify the accuracy and practicability of the algorithm, based on the orchard tracked vehicle platform, a 32-line Lidar is used to test the algorithm. The results show that the algorithm can accurately cluster the canopy point cloud of fruit trees in hilly and mountainous orchards, and the field target detection rate is 94.41%.

    Keywords:

    Lidar; crown detection; Kdimensional tree model; adaptive clustering

    0 引言

    果樹(shù)單木樹(shù)冠信息(如冠幅、樹(shù)冠面積和樹(shù)冠體積等)是果樹(shù)生長(zhǎng)狀態(tài)的重要體現(xiàn),也是產(chǎn)量預(yù)測(cè)估計(jì)的重要方法,更是實(shí)現(xiàn)果園精準(zhǔn)管理的重要前提[1]。樹(shù)冠信息作為果樹(shù)變量施藥和精確對(duì)靶施藥等果園精準(zhǔn)管理操作的基礎(chǔ),對(duì)果樹(shù)樹(shù)冠進(jìn)行精確檢測(cè)則具有重要的學(xué)術(shù)研究與應(yīng)用意義[23]。

    現(xiàn)有針對(duì)樹(shù)冠檢測(cè)常用的方法包括基于機(jī)器視覺(jué)的目標(biāo)感知方案、基于機(jī)器視覺(jué)和激光雷達(dá)融合的目標(biāo)感知方案與基于激光雷達(dá)等目標(biāo)物體感知方案[4]。其中基于機(jī)器視覺(jué)的目標(biāo)感知方案魯棒性較差,受環(huán)境光影響較大,陰雨天氣環(huán)境下作業(yè)效果不理想,不能滿足作業(yè)要求。而林樂(lè)彬[5]提出將激光雷達(dá)與機(jī)器視覺(jué)相融合的方法,雖然可以快速準(zhǔn)確地識(shí)別障礙物,但是該算法應(yīng)用在雜草較多的果園時(shí)視覺(jué)容易受到雜草干擾,并且該算法在夜間工作時(shí)檢測(cè)效果大幅下降,算法魯棒性較差,無(wú)法在農(nóng)時(shí)高質(zhì)量地完成作業(yè)。

    三維激光雷達(dá)由于其優(yōu)異的性能、穩(wěn)定的信號(hào)輸入、較好的測(cè)距能力和受環(huán)境光影響較小的優(yōu)勢(shì)在目標(biāo)檢測(cè)方面應(yīng)用較廣。目前常用的激光雷達(dá)聚類(lèi)算法有kmeans聚類(lèi)算法、DBSCAN聚類(lèi)算法和歐幾里得聚類(lèi)算法[6]。kmeans聚類(lèi)算法由于需要提前設(shè)置聚類(lèi)數(shù)目,因此不適合用于樹(shù)冠檢測(cè)。蔡懷宇[7]針對(duì)傳統(tǒng)DBSCAN算法漏檢和誤檢的問(wèn)題,對(duì)選取鄰域半徑參數(shù)的方法進(jìn)行了改進(jìn),改進(jìn)后的算法雖漏檢率和誤檢率略有降低,但其正檢率仍為86.27%,屬于偏低水平。張文宇[8]針對(duì)DBSCAN聚類(lèi)算法中選取參數(shù)時(shí)需要不斷進(jìn)行試驗(yàn)驗(yàn)證來(lái)改進(jìn)參數(shù)的問(wèn)題,提出了一種根據(jù)不同搜索范圍來(lái)自適應(yīng)慣性權(quán)重更新的策略,改進(jìn)后的聚類(lèi)效果雖有明顯的提高,但該算法運(yùn)行效率較低,不適合用于果園樹(shù)冠實(shí)時(shí)性檢測(cè)。牛國(guó)臣[9]將自適應(yīng)聚類(lèi)與DBSCAN聚類(lèi)算法相融合,通過(guò)改進(jìn)kmeans算法將障礙物分組從而完成聚類(lèi),該算法雖然運(yùn)行效率較高但聚類(lèi)效果受參數(shù)Minpts和Eps影響較大,算法魯棒性不高。

    歐式聚類(lèi)算法因能較高質(zhì)量地完成樹(shù)冠聚類(lèi)過(guò)程而在樹(shù)冠檢測(cè)中廣泛使用。范晶晶[10]針對(duì)越野環(huán)境下的目標(biāo)識(shí)別問(wèn)題,將被檢測(cè)目標(biāo)的幾何物理特征與聚類(lèi)思想相結(jié)合,提出并設(shè)計(jì)了基于Kd Tree和歐式聚類(lèi)算法的目標(biāo)檢測(cè)算法,但是該算法在識(shí)別相近物體時(shí)算法魯棒性較差??椎旅鳎?1]針對(duì)激光雷達(dá)檢測(cè)目標(biāo)障礙物時(shí)出現(xiàn)的目標(biāo)物體欠分割與過(guò)分割等檢測(cè)不準(zhǔn)確的情況對(duì)歐式算法進(jìn)行了優(yōu)化,算法優(yōu)化后能夠在多目標(biāo)檢測(cè)實(shí)驗(yàn)中有較高精度的聚類(lèi)效果。伍錫如[12]將三維激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)中距離中心點(diǎn)偏遠(yuǎn)的點(diǎn)云數(shù)據(jù)進(jìn)行剔除與分離,改進(jìn)后的歐式聚類(lèi)算法障礙物識(shí)別準(zhǔn)確率的提升較為顯著。尚業(yè)華[13]使用三維激光雷達(dá)檢測(cè)障礙物,并在聚類(lèi)時(shí)將無(wú)效障礙物進(jìn)行識(shí)別與去除,在其后來(lái)實(shí)驗(yàn)中驗(yàn)證檢出率高達(dá)96%。

    基于先前研究,本文使用歐式聚類(lèi)算法對(duì)丘陵山區(qū)果園樹(shù)冠檢測(cè)開(kāi)展研究,由于上述聚類(lèi)算法改進(jìn)效果雖較好,但改進(jìn)策略大都比較復(fù)雜,算法實(shí)現(xiàn)成本較高。因此,本文提出一種聚類(lèi)半徑自適應(yīng)的改進(jìn)歐式聚類(lèi)算法。該算法借鑒Yan[14]提出的地面分割方式和根據(jù)距離自動(dòng)調(diào)整聚類(lèi)范圍的方法,調(diào)整劉亮[15]提出的消除車(chē)輛點(diǎn)云模塊,通過(guò)降采樣、分割地面后得到非地面點(diǎn)云,對(duì)處理后的三維點(diǎn)云進(jìn)行基于Kd Tree的最近鄰搜索后根據(jù)激光雷達(dá)與目標(biāo)物體之間的歐氏距離計(jì)算出該目標(biāo)物體的聚類(lèi)半徑,完成目標(biāo)物的聚類(lèi)檢測(cè)。

    1 樹(shù)冠檢測(cè)算法概述

    樹(shù)冠檢測(cè)算法主要是由3部分組成[16]。第1部分為信號(hào)輸入部分。該部分接入激光雷達(dá)信號(hào)后由車(chē)載工控機(jī)轉(zhuǎn)換為環(huán)境三維點(diǎn)云,該部分主要作用是將環(huán)境轉(zhuǎn)換為機(jī)器語(yǔ)言[17]。第2部分為點(diǎn)云預(yù)處理部分。該部分通過(guò)濾波降采樣、去噪和分割地面對(duì)環(huán)境三維點(diǎn)云進(jìn)行預(yù)處理,預(yù)處理之后的點(diǎn)云即為改進(jìn)算法的ROI區(qū)域(感興趣區(qū)域)。第3部分為點(diǎn)云聚類(lèi)部分。該部分主要對(duì)ROI區(qū)域進(jìn)行樹(shù)冠聚類(lèi):首先,基于分塊的思想將點(diǎn)云簇分塊;其次,通過(guò)改進(jìn)的聚類(lèi)半徑確定方法對(duì)樹(shù)冠進(jìn)行聚類(lèi);最后,聚類(lèi)結(jié)果通過(guò)ROS系統(tǒng)自帶顯示程序rviz顯示。

    2 三維點(diǎn)云數(shù)據(jù)預(yù)處理

    三維激光雷達(dá)通過(guò)旋轉(zhuǎn)激光發(fā)射單位與接收單位獲取周?chē)畔⑦_(dá)到感知周?chē)h(huán)境的目的,激光雷達(dá)每秒所獲取的原始點(diǎn)云數(shù)據(jù)量非常龐大,原始點(diǎn)云數(shù)據(jù)中不僅包含所需的果樹(shù)樹(shù)冠點(diǎn)云數(shù)據(jù),還包含其他點(diǎn)云數(shù)據(jù),如地面、雜草、行人等[18]。過(guò)多的點(diǎn)云數(shù)據(jù)會(huì)增加計(jì)算量和系統(tǒng)反應(yīng)時(shí)間,影響實(shí)際聚類(lèi)效果,因而,在對(duì)果樹(shù)樹(shù)冠進(jìn)行識(shí)別聚類(lèi)之前需要先對(duì)激光雷達(dá)采集的原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理[19]。

    2.1 點(diǎn)云濾波

    體素濾波可以達(dá)到向下采樣的同時(shí)不破壞點(diǎn)云的形狀和本身結(jié)構(gòu),可以達(dá)到降采樣的同時(shí)保存比較完整的數(shù)據(jù)特點(diǎn)[20]。將輸入的原始點(diǎn)云數(shù)據(jù)用一個(gè)立方柵格完全包括,在這個(gè)立方柵格中再創(chuàng)建10 cm×10 cm×10 cm的立方體素柵格,計(jì)算每個(gè)體素柵格的質(zhì)心,用質(zhì)心來(lái)近似代替該體素柵格內(nèi)的所有點(diǎn),達(dá)到降采樣和過(guò)濾噪聲點(diǎn)的作用。

    使用質(zhì)心來(lái)代替體素柵格內(nèi)的點(diǎn)云數(shù)據(jù)更有利于聚類(lèi)算法進(jìn)行聚類(lèi)[21],因此,采用能夠達(dá)到本研究原始數(shù)據(jù)預(yù)處理要求的體素濾波對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。

    經(jīng)測(cè)量,果園試驗(yàn)區(qū)域果樹(shù)樹(shù)冠最高點(diǎn)均低于3.5 m,考慮到激光雷達(dá)實(shí)際安裝高度與果園平面起伏,因此試驗(yàn)中使用直通濾波去除以激光雷達(dá)安裝位置為基準(zhǔn)面以上3 m的過(guò)高點(diǎn)云部分。

    2.2 地平面分割

    大量的地面和雜草點(diǎn)云對(duì)樹(shù)冠檢測(cè)和分類(lèi)會(huì)產(chǎn)生影響,因此分割地面和雜草點(diǎn)云對(duì)樹(shù)冠檢測(cè)具有非常重要的意義[22]。激光雷達(dá)輸入的是一個(gè)三維點(diǎn)云數(shù)據(jù)集C={qi|qi=(xi,yi,zi)∈R3,i=1,…,n},其中n是雷達(dá)單次掃描的總點(diǎn)數(shù)。為了將地面和雜草點(diǎn)云去除,算法會(huì)將每一個(gè)點(diǎn)去除,去除地面的點(diǎn)云將構(gòu)成一個(gè)新的集合C*∈C,得到非地面點(diǎn)云。

    由于無(wú)人車(chē)工作地面相對(duì)平坦并且Z軸大致垂直于地面的果園,試驗(yàn)對(duì)象是果樹(shù)樹(shù)冠,因而將原始點(diǎn)云的下部切割指定高度對(duì)試驗(yàn)結(jié)果影響較小,可忽略不計(jì)。

    3 改進(jìn)的歐式聚類(lèi)算法

    經(jīng)過(guò)體素過(guò)濾和地面分割預(yù)處理之后的點(diǎn)云即為所要檢測(cè)的目標(biāo)物體點(diǎn)云。本文在Kd Tree與最近鄰搜索的基礎(chǔ)上通過(guò)改進(jìn)的歐幾里得聚類(lèi)算法的自適應(yīng)聚類(lèi)半徑來(lái)對(duì)目標(biāo)點(diǎn)云進(jìn)行聚類(lèi)并進(jìn)行目標(biāo)檢測(cè)。在車(chē)輛行進(jìn)過(guò)程中,三維激光雷達(dá)實(shí)時(shí)產(chǎn)生三維點(diǎn)云的數(shù)據(jù)量極其龐大,而Kd Tree模型可以對(duì)龐大的三維點(diǎn)云數(shù)據(jù)提前進(jìn)行分塊處理,而這種分塊可以大大縮短計(jì)算時(shí)間,提高基于歐氏距離最近鄰搜索的聚類(lèi)效率。

    3.1 Kd tree模型的三維應(yīng)用

    Kd tree是一種能夠?qū)維空間中的點(diǎn)進(jìn)行劃分的一種數(shù)據(jù)結(jié)構(gòu)。由于其形如二叉樹(shù)的結(jié)構(gòu)特性能夠顯著降低運(yùn)算次數(shù)、提高運(yùn)算效率,因而常被用來(lái)對(duì)多維空間中的關(guān)鍵技術(shù)進(jìn)行搜索。

    Kd tree本質(zhì)上是一個(gè)基于二分法的搜索樹(shù)。在進(jìn)行搜索時(shí)每一個(gè)節(jié)點(diǎn)都將未劃分的多維空間劃分為兩部分。在每次劃分時(shí)要保證劃分后的點(diǎn)云數(shù)據(jù)的左右子空間的點(diǎn)云數(shù)據(jù)量盡量相等。構(gòu)建流程如下。

    1) 根據(jù)式(1)計(jì)算三維數(shù)據(jù)集合中每一維的方差,并從中選取具有最大方差的維度

    k=max∑(X-μx)2Nx,∑(Y-μy)2Ny,∑(Z-μz)2Nz

    (1)

    式中:

    X、Y、Z——該維空間的變量;

    N*——該維空間中總變量個(gè)數(shù);

    μ*——該維空間的總體均值。

    2) 根據(jù)式(2)計(jì)算三維數(shù)據(jù)中的中值m,并且將三維點(diǎn)云上的N個(gè)數(shù)據(jù)按遞增順序進(jìn)行排列,得到集合Q={K1,K2,K3,…,KN}。其中K1

    m=

    KN+12N為奇數(shù)

    KN2+KN2+12N為偶數(shù)

    (2)

    3) 將步驟2中計(jì)算出的中值m賦值給閾值,根據(jù)m將集合Q分割為兩個(gè)子集合Qleft和Qright,子集合符合式(3)。

    x

    x≥m x∈Qright

    (3)

    4) 將步驟3得到的兩個(gè)子集合再次重復(fù)上次操作,以此類(lèi)推,直至所有的子集合都不可以再次被劃分為止。將不能被劃分的子集合存儲(chǔ)在葉子節(jié)點(diǎn)中。

    構(gòu)建完成的Kd tree的數(shù)據(jù)結(jié)構(gòu)如圖2所示。

    3.2 自適應(yīng)聚類(lèi)半徑的歐式聚類(lèi)

    歐式距離是歐幾里得聚類(lèi)算法的基礎(chǔ)。空間中任意兩點(diǎn)A:(x1,y1,z1)和B:(x2,y2,z2)的歐氏距離可以通過(guò)公式進(jìn)行計(jì)算,即

    d=(x1-x2)2+(y1-y2)2+(z1-z2)2

    基于歐氏距離的最近鄰搜索算法是加速聚類(lèi)過(guò)程的核心。目標(biāo)點(diǎn)p輸入該算法后通過(guò)與當(dāng)前節(jié)點(diǎn)劃分中值m比較判斷后從根節(jié)點(diǎn)一直到達(dá)相應(yīng)葉子節(jié)點(diǎn),則該葉子節(jié)點(diǎn)Q更新為P的最近鄰點(diǎn),dmin更新為節(jié)點(diǎn)P和Q之間的距離dPQ。隨后沿搜索路徑回溯其父節(jié)點(diǎn),判斷其父節(jié)點(diǎn)與Q之間的距離是否小于dmin。若是,則將該父節(jié)點(diǎn)更新為最近鄰點(diǎn)并將該父節(jié)點(diǎn)下的其余子節(jié)點(diǎn)納入該搜索范疇。若否,則沿搜索路徑繼續(xù)向上回溯至父節(jié)點(diǎn)的父節(jié)點(diǎn)直至根節(jié)點(diǎn)??臻g中某點(diǎn)的最近鄰搜索到此完成。

    最近鄰搜索完成后的下一步就是進(jìn)行歐式聚類(lèi)。在聚類(lèi)過(guò)程中,聚類(lèi)效果根據(jù)距離的遠(yuǎn)近所呈現(xiàn)的效果也不一樣,這時(shí)就要考慮上述提到的聚類(lèi)過(guò)程中最重要的參數(shù)就是聚類(lèi)半徑。為了能夠使聚類(lèi)結(jié)果更加準(zhǔn)確,本文提出了一種聚類(lèi)半徑自適應(yīng)的確定方法。(1)在采集完果樹(shù)的三維點(diǎn)云之后對(duì)其進(jìn)行標(biāo)準(zhǔn)化預(yù)處理,并建立由點(diǎn)云簇Ci組成的三維點(diǎn)云數(shù)據(jù)集C*={C1,C2,C3,…,Ci,…,Cn}。(2)根據(jù)每一簇三維點(diǎn)云距離激光雷達(dá)距離的遠(yuǎn)近進(jìn)行升序排列,取其排列第一的三維點(diǎn)云簇C1的質(zhì)心作為本次聚類(lèi)半徑確定的初始聚類(lèi)中心。(3)從數(shù)據(jù)集C*中選取距離該點(diǎn)云簇歐氏距離最小的兩束點(diǎn)云簇,計(jì)算這三束點(diǎn)云簇中每個(gè)點(diǎn)與初始聚類(lèi)中心距離的平均值R1,并將該平均值R1作為該點(diǎn)云簇C1的聚類(lèi)半徑。(4)以此類(lèi)推,其余的三維點(diǎn)云簇Ci也根據(jù)上述步驟得到該點(diǎn)云簇的聚類(lèi)半徑Ri。

    在確定了點(diǎn)云簇C1的聚類(lèi)半徑R1后便開(kāi)始進(jìn)行歐式聚類(lèi),歐式聚類(lèi)的流程如圖3所示。

    該算法在聚類(lèi)時(shí)是從點(diǎn)云簇C1中的初始聚類(lèi)中心作為第一次Kd tree最近鄰搜索的核心點(diǎn),完成第一次最近鄰搜索后,將搜索到的K個(gè)最近鄰點(diǎn)與初始聚類(lèi)中心之間的距離與聚類(lèi)半徑R進(jìn)行比較,形成集合M。再?gòu)狞c(diǎn)云簇Ci中選取除上次最近鄰搜索的核心點(diǎn)以外的點(diǎn)重復(fù)以上過(guò)程,不斷迭代直至M中無(wú)新元素增加則完成該次聚類(lèi)。

    完成第一簇三維數(shù)據(jù)點(diǎn)的聚類(lèi)后,通過(guò)尋找下一簇的點(diǎn)云數(shù)據(jù),進(jìn)行下次三維點(diǎn)云數(shù)據(jù)的聚類(lèi),逐步完成上述步驟后便可以繼續(xù)完成剩余點(diǎn)云簇的聚類(lèi)。

    4 試驗(yàn)結(jié)果與分析

    4.1 試驗(yàn)平臺(tái)與場(chǎng)地介紹

    為了驗(yàn)證所提改進(jìn)算法的實(shí)際環(huán)境樹(shù)冠檢測(cè)效果與該算法的準(zhǔn)確性以及實(shí)用性,開(kāi)展實(shí)車(chē)果園試驗(yàn)。試驗(yàn)平臺(tái)采用履帶式無(wú)人轉(zhuǎn)運(yùn)運(yùn)輸車(chē)作為載體,激光雷達(dá)采用速騰聚創(chuàng)32線激光雷達(dá)RSHelios 1615,具體參數(shù)見(jiàn)表1,激光雷達(dá)與運(yùn)輸車(chē)載體的安裝如圖4所示。試驗(yàn)環(huán)境位于重慶市渝北區(qū)郭家灣的果園內(nèi),果園環(huán)境如圖5所示。試驗(yàn)運(yùn)行環(huán)境為車(chē)載工控機(jī)采用Intel Core i5-7200U處理器,系統(tǒng)環(huán)境為Ubuntu18.04,算法使用C++語(yǔ)言進(jìn)行編寫(xiě),開(kāi)發(fā)環(huán)境為VS code,調(diào)用PCL庫(kù)中的相關(guān)點(diǎn)云結(jié)構(gòu),最后利用rviz顯示到屏幕。

    4.2 果樹(shù)樹(shù)冠檢測(cè)結(jié)果分析

    在進(jìn)行果園試驗(yàn)時(shí),通過(guò)控制變量設(shè)計(jì)了改進(jìn)歐式聚類(lèi)算法與傳統(tǒng)歐式聚類(lèi)算法的檢測(cè)效果對(duì)比試驗(yàn)。改進(jìn)算法針對(duì)該果園實(shí)際情況對(duì)算法參數(shù)進(jìn)行了調(diào)整,對(duì)果園環(huán)境下采集的三維激光雷達(dá)數(shù)據(jù)進(jìn)行了多距離、多尺寸、多目標(biāo)物混合目標(biāo)檢測(cè)試驗(yàn)。

    在多距離、多目標(biāo)混合目標(biāo)物檢測(cè)試驗(yàn)中,所提改進(jìn)的歐式聚類(lèi)算法與傳統(tǒng)聚類(lèi)算法檢測(cè)效果分別如圖6所示,其中圖6(a)表示激光雷達(dá)在該試驗(yàn)場(chǎng)景下采集到的原始點(diǎn)云數(shù)據(jù),圖6(b)表示在經(jīng)過(guò)預(yù)處理操作后的ROI區(qū)域。設(shè)置傳統(tǒng)聚類(lèi)算法參數(shù)cluster_min(最少點(diǎn)數(shù))為800,cluster_max(最多點(diǎn)數(shù))為1 500。該試驗(yàn)中存在多個(gè)距離不同,但形狀尺寸大小近似的目標(biāo)樹(shù)冠。試驗(yàn)表明,當(dāng)履帶車(chē)旁邊存在多個(gè)距離不同但尺寸大小相似的目標(biāo)物體時(shí),優(yōu)化歐式聚類(lèi)算法能根據(jù)目標(biāo)物體不同的距離,精準(zhǔn)定位并準(zhǔn)確確定目標(biāo)物體聚類(lèi)半徑,能夠準(zhǔn)確地檢測(cè)出障礙物。而傳統(tǒng)歐式聚類(lèi)算法在面對(duì)多距離目標(biāo)物體時(shí)存在局限性,漏檢了②號(hào)、③號(hào)和⑥號(hào),并且誤檢了⑦號(hào),將⑦號(hào)目標(biāo)物體點(diǎn)云過(guò)分割,不能準(zhǔn)確檢出所有目標(biāo)物體。

    (a) 原始點(diǎn)云

    (b) 過(guò)濾地面及噪聲后點(diǎn)云

    (c) 改進(jìn)聚類(lèi)結(jié)果

    (d) 傳統(tǒng)聚類(lèi)效果

    在多尺寸、多目標(biāo)混合目標(biāo)檢測(cè)實(shí)驗(yàn)中,所提改進(jìn)歐式聚類(lèi)算法與傳統(tǒng)歐式聚類(lèi)算法檢測(cè)效果對(duì)比如圖7所示,其中圖7(a)表示激光雷達(dá)在該試驗(yàn)場(chǎng)景下采集到的原始點(diǎn)云數(shù)據(jù),圖7(b)表示在經(jīng)過(guò)預(yù)處理操作后的ROI區(qū)域。

    (a) 原始點(diǎn)云

    (b) 過(guò)濾地面及噪聲后點(diǎn)云

    (c) 改進(jìn)聚類(lèi)結(jié)果展示

    (d) 傳統(tǒng)聚類(lèi)效果展示

    傳統(tǒng)聚類(lèi)算法的參數(shù)設(shè)置同上實(shí)驗(yàn),兩種聚類(lèi)方法在面對(duì)尺寸多樣化的目標(biāo)物體時(shí),改進(jìn)的歐式聚類(lèi)算法的聚類(lèi)半徑根據(jù)每棵樹(shù)樹(shù)冠的點(diǎn)云數(shù)據(jù)進(jìn)行計(jì)算,完成聚類(lèi)半徑的自適應(yīng)確定過(guò)程,能夠精確且快速地完成樹(shù)冠的識(shí)別聚類(lèi)過(guò)程,滿足試驗(yàn)初始要求。而傳統(tǒng)歐式聚類(lèi)在面對(duì)該種情況時(shí)漏檢了目標(biāo)尺寸較小的②號(hào)、③號(hào)目標(biāo)樹(shù)冠,聚類(lèi)效果有限,無(wú)法根據(jù)樹(shù)冠點(diǎn)云數(shù)據(jù)進(jìn)行聚類(lèi)半徑自適應(yīng)的聚類(lèi),其余樹(shù)冠均正常檢出。

    在上述試驗(yàn)完成后,針對(duì)該算法的準(zhǔn)確性開(kāi)展定量試驗(yàn)。在試驗(yàn)過(guò)程中,用正檢率(True Positive Rate)、誤檢率(False Positive Rate)和漏檢率(Missing Detection Rate)來(lái)評(píng)估該算法及對(duì)比算法的目標(biāo)物檢測(cè)結(jié)果[23]。其計(jì)算如式(4)~式(6)所示。

    PT=NTNsum

    (4)

    PF=NFNsum

    (5)

    PM=NMNsum

    (6)

    式中:

    PT、PF、PM——

    正檢率、誤檢率、漏檢率;

    NT、NF、NM——

    正檢、誤檢、漏檢樹(shù)冠顆數(shù);

    Nsum——參與檢測(cè)的樹(shù)冠總顆數(shù)。

    將試驗(yàn)過(guò)程中錄制的激光雷達(dá)三維點(diǎn)云數(shù)據(jù)包轉(zhuǎn)換為由每幀組成的幀數(shù)據(jù)包,然后從該數(shù)據(jù)包中選取同一果園中3個(gè)不同地段的點(diǎn)云幀,3個(gè)地段的果樹(shù)數(shù)量分別為90棵、150棵和100棵,使用傳統(tǒng)歐式聚類(lèi)算法和本文改進(jìn)歐式聚類(lèi)算法分別對(duì)3個(gè)地段點(diǎn)云幀中的果樹(shù)樹(shù)冠進(jìn)行目標(biāo)物檢測(cè),試驗(yàn)結(jié)果見(jiàn)表2。

    分析試驗(yàn)結(jié)果可得知在相同實(shí)驗(yàn)條件下,改進(jìn)后的歐式聚類(lèi)算法目標(biāo)物檢測(cè)平均正檢率為94.41%,相較于傳統(tǒng)歐式聚類(lèi)算法正檢率提高12.36%。但是在試驗(yàn)過(guò)程中偶爾會(huì)出現(xiàn)連續(xù)幾棵果樹(shù)誤檢或漏檢的情況,經(jīng)過(guò)多次試驗(yàn)分析發(fā)現(xiàn),影響原因主要有:一是果園兩邊的地面高度不一致,有少數(shù)果樹(shù)下部土壤隆起較高,按照本文去除地面方法,該果樹(shù)下部存在部分土壤和雜草點(diǎn)云數(shù)據(jù)無(wú)法準(zhǔn)確去除,導(dǎo)致由該棵果樹(shù)樹(shù)冠點(diǎn)云信息確定的聚類(lèi)半徑偏小,過(guò)分割情況變多;二是果園存在兩棵樹(shù)樹(shù)冠相互距離過(guò)近的情形,使得改進(jìn)算法在進(jìn)行該類(lèi)果樹(shù)樹(shù)冠聚類(lèi)檢測(cè)時(shí)出現(xiàn)欠分割和過(guò)分割的現(xiàn)象。此外,該算法計(jì)算量與傳統(tǒng)算法相比較大,處理時(shí)間較長(zhǎng),受計(jì)算機(jī)硬件影響,在果園試驗(yàn)時(shí)履帶車(chē)輛前進(jìn)速度較慢。

    5 結(jié)論

    針對(duì)傳統(tǒng)歐式聚類(lèi)在丘陵山地果園條件下激光雷達(dá)檢測(cè)過(guò)程中面對(duì)多尺寸、多距離條件下出現(xiàn)的目標(biāo)物體漏檢、誤檢等欠分割和過(guò)分割的問(wèn)題,提出基于激光雷達(dá)的自適應(yīng)目標(biāo)聚類(lèi)半徑目標(biāo)物體檢測(cè)方法。通過(guò)點(diǎn)云預(yù)處理和聚類(lèi)半徑自適應(yīng)的實(shí)現(xiàn)對(duì)傳統(tǒng)歐式聚類(lèi)算法進(jìn)行了優(yōu)化,并進(jìn)行果園實(shí)際驗(yàn)證。

    1) 自適應(yīng)聚類(lèi)半徑的歐式聚類(lèi)能根據(jù)每一個(gè)目標(biāo)物體的三維點(diǎn)云特征信息確定該目標(biāo)物體的聚類(lèi)半徑。

    2) 經(jīng)基于分塊思想預(yù)處理之后的點(diǎn)云簇,結(jié)合目標(biāo)物聚類(lèi)半徑自適應(yīng)能在多距離多尺寸多目標(biāo)物的試驗(yàn)情況下精確地將目標(biāo)物體識(shí)別分割。

    3) 試驗(yàn)表明,本文改進(jìn)的歐式聚類(lèi)算法與傳統(tǒng)歐式聚類(lèi)算法相比正檢率提高了12.36%,誤檢率和漏檢率分別降低7.94%和4.41%。

    參 考 文 獻(xiàn)

    [1]陳日強(qiáng), 李長(zhǎng)春, 楊貴軍, 等. 無(wú)人機(jī)機(jī)載激光雷達(dá)提取果樹(shù)單木樹(shù)冠信息[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2020, 36(22): 50-59.

    Chen Riqiang, Li Changchun, Yang Guijun, et al. Extraction of crown information from individual fruit tree by UAV LiDAR [J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(22): 50-59.

    [2]邵靖滔, 杜常清, 鄒斌. 基于點(diǎn)云簇組合特征的激光雷達(dá)地面分割方法[J]. 激光與光電子學(xué)進(jìn)展, 2021, 58(4): 422-430.

    Shao Jingtao, Du Changqing, Zou Bin. Lidar ground segmentation method based on point cloud cluster combination feature [J]. Laser & Optoelectronics Progress, 2021, 58(4): 422-430.

    [3]王瀟, 張美娜, Zhou Jianfeng, 等. LiDAR傳感器及技術(shù)在農(nóng)業(yè)場(chǎng)景的應(yīng)用進(jìn)展綜述[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2022, 43(11): 155-164.

    Wang Xiao, Zhang Meina, Zhou Jianfeng, et al. A review on the application of LiDAR sensors and technologies in agricultural scenarios [J]. Journal of Chinese Agricultural Mechanization, 2022, 43(11): 155-164.

    [4]劉暢, 趙津, 劉子豪, 等. 基于歐氏聚類(lèi)的改進(jìn)激光雷達(dá)障礙物檢測(cè)方法[J]. 激光與光電子學(xué)進(jìn)展, 2020, 57(20): 254-260.

    Liu Chang, Zhao Jin, Liu Zihao, et al. Improved lidar obstacle detection method based on euclidean clustering [J]. Laser & Optoelectronics Progress, 2020, 57(20): 254-260.

    [5]林樂(lè)彬, 周軍, 皇攀凌, 等. 基于圖像檢測(cè)的三維激光點(diǎn)云聚類(lèi)方法研究與應(yīng)用[J]. 控制工程, 1-8[2024-02-01].

    Lin Lebin, Zhou Jun, Huang Panling, et al. Research and application on 3D laser point cloud clustering method based on image detection [J]. Control Engineering of China, 1-8[2024-02-01].

    [6]馮吉, 胡佳寧, 于家旋, 等. 基于激光雷達(dá)信息的履帶式自動(dòng)割草機(jī)障礙物檢測(cè)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào), 2019, 40(5): 145-149.

    Feng Ji, Hu Jianing, Yu Jiaxuan, et al. Crawler automatic mower obstacle detection based on lidar information [J]. Journal of Chinese Agricultural Mechanization, 2019, 40(5): 145-149.

    [7]蔡懷宇, 陳延真, 卓勵(lì)然, 等. 基于優(yōu)化DBSCAN算法的激光雷達(dá)障礙物檢測(cè)[J]. 光電工程, ?2019, 46(7): ?83-90.

    Cai Huaiyu, Chen Yanzhen, Zhuo Liran, et al. LiDAR object detection based on optimized DBSCAN algorithm [J]. OptoElectronic Engineering, 2019, 46(7): ?83-90.

    [8]張文宇, 治瑜, 秦樂(lè). 基于改進(jìn)天牛群優(yōu)化的DBSCAN聚類(lèi)算法[J]. 統(tǒng)計(jì)與決策, 2022, 38(10): 20-25.

    Zhang Wenyu, Zhi Yu, Qin Yue. DBSCAN clustering algorithm based on improved beetle swarm optimization [J]. Statistics & Decision, 2022, 38(10): 20-25.

    [9]牛國(guó)臣, 王月陽(yáng), 田一博. 一種改進(jìn)密度聚類(lèi)的激光雷達(dá)障礙物檢測(cè)方法[J].北京航空航天大學(xué)學(xué)報(bào), 2023, 49(10): 2608-2616.

    Niu Guochen, Wang Yueyang, Tian Yibo. Lidar obstacle detection based on improved density clustering [J]. Journal of Beijing University of Aeronautics and Astronautics, 2023, 49(10): 2608-2616.

    [10]范晶晶, 王力, 褚文博, 等. 基于KDTree樹(shù)和歐式聚類(lèi)的越野環(huán)境下行人識(shí)別的研究[J]. 汽車(chē)工程, 2019, 41(12): 1410-1415.

    Fan Jingjing, Wang Li, Chu Wenbo, et al. Research on pedestrian recognition in crosscountry environment based on KDTree and euclidean clustering [J]. Automotive Engineering, 2019, 41(12): 1410-1415.

    [11]孔德明, 段呈新, 巴特·古森斯, 等. 基于車(chē)載16線激光雷達(dá)的障礙物檢測(cè)方法[J]. 計(jì)量學(xué)報(bào), 2021, 42(7): 846-852.

    Kong Deming, Duan Chengxin, Bart Gusson, et al. Obstacle detection method based on vehicle 16line Lidar [J]. Acta Metrologica Sinica, 2021, 42(7): 846-852.

    [12]伍錫如, 薛其威. 基于激光雷達(dá)的無(wú)人駕駛系統(tǒng)三維車(chē)輛檢測(cè)[J]. 光學(xué)精密工程, 2022, 30(4): 489-497.

    Wu Xiru, Xue Qiwei. 3D vehicle detection for unmanned driving system based on lidar [J]. Optics and Precision Engineering, 2022, 30(4): 489-497.

    [13]尚業(yè)華, 張光強(qiáng), 孟志軍, 等. 基于歐氏聚類(lèi)的三維激光點(diǎn)云田間障礙物檢測(cè)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2022, 53(1): 23-32.

    Shang Yehua, Zhang Guangqiang, Meng Zhijun, et al. Field obstacle detection method of 3D Lidar point cloud based on euclidean clustering [J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(1): 23-32.

    [14]Yan Z, Duckett T, Bellotto N. Online learning for 3D LiDARbased human detection: Experimental analysis of point cloud clustering and classification methods [J]. Autonomous Robots, 2020, 44: 147-164.

    [15]劉亮. 基于激光雷達(dá)的結(jié)構(gòu)化道路環(huán)境感知及避障路徑規(guī)劃方法研究[D]. 西安: 長(zhǎng)安大學(xué), 2021.

    Liu Liang. Research on environmental awareness and path planning of structured road based on Lidar [D]. Xian: Changan University, 2021.

    [16]劉浩然, 范偉偉, 徐永勝, 等. 基于無(wú)人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)的單木分割研究[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2022, 42(1): 45-53.

    Liu Haoran, Fan Weiwei, Xu Yongsheng, et al. Research on single tree segmentation based on UAV LiDAR point cloud data [J]. Journal of Central South University of Forestry & Technology, 2022, 42(1): 45-53.

    [17]趙星陽(yáng). 基于車(chē)載激光雷達(dá)的路面分割與障礙物檢測(cè)關(guān)鍵技術(shù)研究[D]. 合肥: 合肥工業(yè)大學(xué), 2021.

    Zhao Xingyang. Research on road segmentation and obstacle detection of autonomous vehicle based on Lidar [D].Hefei: Hefei University of Technology, 2021.

    [18]Tian Y, Song W, Chen L, et al. A fast spatial clustering method for sparse LiDAR point clouds using GPU programming [J]. Sensors, 2020, 20(8): 2309.

    [19]Mohd Romlay M R, Mohd Ibrahim A, Toha S F, et al. Novel CECBCE feature extraction method for object classification using a lowdensity LiDAR point cloud [J]. PloS one, 2021, 16(8): e0256665.

    [20]Nguyen H T, Lee E H, Bae C H, et al. Multiple object detection based on clustering and deep learning methods [J]. Sensors, 2020, 20(16): 4424.

    [21]Gamal A, Wibisono A, Wicaksono S B, et al. Automatic LiDAR building segmentation based on DGCNN and euclidean clustering [J]. Journal of Big Data, 2020, 7(1): 1-18.

    [22]Gao F, Li C, Zhang B. A dynamic clustering algorithm for LiDAR obstacle detection of autonomous driving system [J]. IEEE Sensors Journal, 2021, 21(22): 25922-25930.

    [23]張博聞. 面向開(kāi)放場(chǎng)景的自動(dòng)駕駛激光雷達(dá)目標(biāo)檢測(cè)技術(shù)研究[D]. 重慶: 重慶大學(xué), 2020.

    Zhang Bowen. Research on automatic lidar target detection technology for open scene [D]. Chongqing: Chongqing University, 2020.

    猜你喜歡
    激光雷達(dá)
    手持激光雷達(dá)應(yīng)用解決方案
    高速公路激光雷達(dá)超限檢測(cè)系統(tǒng)
    法雷奧第二代SCALA?激光雷達(dá)
    基于HITRAN數(shù)據(jù)庫(kù)的大氣激光雷達(dá)信號(hào)仿真
    2019年基于激光雷達(dá)對(duì)甘肅省沙塵天氣分析
    甘肅科技(2020年21期)2020-04-13 00:33:38
    基于激光雷達(dá)通信的地面特征識(shí)別技術(shù)
    基于激光雷達(dá)的巡檢機(jī)器人導(dǎo)航系統(tǒng)研究
    基于激光雷達(dá)的多旋翼無(wú)人機(jī)室內(nèi)定位與避障研究
    電子制作(2018年16期)2018-09-26 03:27:00
    一種基于激光雷達(dá)技術(shù)的隧道火災(zāi)探測(cè)方法
    基于信息向量機(jī)的機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)分類(lèi)
    久久久成人免费电影| 亚洲婷婷狠狠爱综合网| 亚洲精品久久国产高清桃花| 午夜精品国产一区二区电影 | 精品久久久久久久久久久久久| 午夜免费男女啪啪视频观看 | 国产老妇女一区| 亚洲中文字幕一区二区三区有码在线看| 亚洲成人中文字幕在线播放| 国产精品女同一区二区软件| 在线免费十八禁| 直男gayav资源| 日韩,欧美,国产一区二区三区 | 亚洲国产高清在线一区二区三| 97人妻精品一区二区三区麻豆| 九色成人免费人妻av| 一级毛片我不卡| 内地一区二区视频在线| 白带黄色成豆腐渣| 国产精品av视频在线免费观看| 我要看日韩黄色一级片| 韩国av在线不卡| 成人综合一区亚洲| 老熟妇仑乱视频hdxx| 高清日韩中文字幕在线| 插阴视频在线观看视频| 老女人水多毛片| 欧美不卡视频在线免费观看| 国产高清激情床上av| 中文字幕熟女人妻在线| 99在线视频只有这里精品首页| 国产av一区在线观看免费| 国产精品乱码一区二三区的特点| 搡老岳熟女国产| 激情 狠狠 欧美| 亚洲国产色片| 赤兔流量卡办理| 免费观看在线日韩| 哪里可以看免费的av片| 精品人妻熟女av久视频| 午夜视频国产福利| 午夜福利在线在线| 综合色丁香网| 国产精品伦人一区二区| 亚洲最大成人中文| 男女做爰动态图高潮gif福利片| 校园人妻丝袜中文字幕| 亚洲欧美精品综合久久99| 久久久久久久久中文| 国产女主播在线喷水免费视频网站 | 国内精品宾馆在线| 一进一出抽搐动态| 亚洲激情五月婷婷啪啪| 国产单亲对白刺激| 男女做爰动态图高潮gif福利片| 极品教师在线视频| 色哟哟·www| 欧美最新免费一区二区三区| 国产中年淑女户外野战色| 精品乱码久久久久久99久播| 亚洲,欧美,日韩| 免费在线观看成人毛片| 草草在线视频免费看| 国产伦在线观看视频一区| 简卡轻食公司| 日韩三级伦理在线观看| h日本视频在线播放| 蜜桃亚洲精品一区二区三区| 露出奶头的视频| 三级国产精品欧美在线观看| 尤物成人国产欧美一区二区三区| 精品免费久久久久久久清纯| 欧美日韩在线观看h| 欧美高清成人免费视频www| 男女视频在线观看网站免费| 亚洲成人中文字幕在线播放| 国产亚洲精品av在线| 国产黄色视频一区二区在线观看 | 我要看日韩黄色一级片| 人妻夜夜爽99麻豆av| 尤物成人国产欧美一区二区三区| 亚洲精品影视一区二区三区av| 久久久午夜欧美精品| 亚洲av成人精品一区久久| 久久国产乱子免费精品| 看片在线看免费视频| 久久午夜亚洲精品久久| 精品乱码久久久久久99久播| 人人妻人人澡人人爽人人夜夜 | 老女人水多毛片| 免费人成视频x8x8入口观看| 久久国产乱子免费精品| 日韩在线高清观看一区二区三区| 最近手机中文字幕大全| 99久久精品热视频| 成人免费观看视频高清| 久久久久久久国产电影| 天美传媒精品一区二区| 久久久午夜欧美精品| 欧美变态另类bdsm刘玥| 欧美日韩av久久| xxx大片免费视频| 亚洲欧美精品自产自拍| 国产色爽女视频免费观看| 91久久精品国产一区二区三区| 中文天堂在线官网| 人妻 亚洲 视频| 2021少妇久久久久久久久久久| 国产成人免费观看mmmm| av.在线天堂| 乱码一卡2卡4卡精品| 亚洲国产最新在线播放| 国产成人91sexporn| 最近中文字幕2019免费版| 国产精品久久久久久精品古装| 国国产精品蜜臀av免费| 久久99一区二区三区| 午夜影院在线不卡| 精品一区二区三区视频在线| √禁漫天堂资源中文www| 国产免费福利视频在线观看| 精品一区二区三卡| 亚洲欧美一区二区三区国产| 国产精品一区二区在线不卡| 久久免费观看电影| 91在线精品国自产拍蜜月| 美女国产视频在线观看| 久久青草综合色| 中文资源天堂在线| av视频免费观看在线观看| 久久精品国产亚洲av天美| 秋霞在线观看毛片| 日本av手机在线免费观看| 大片电影免费在线观看免费| 精品久久久久久电影网| 日韩伦理黄色片| 国产黄色免费在线视频| 一级,二级,三级黄色视频| .国产精品久久| 两个人的视频大全免费| 国产精品久久久久久久电影| 美女中出高潮动态图| 国产一区有黄有色的免费视频| 国产欧美日韩精品一区二区| 久久精品熟女亚洲av麻豆精品| 麻豆成人av视频| 另类亚洲欧美激情| 久久狼人影院| 五月开心婷婷网| 精品少妇黑人巨大在线播放| 亚洲,欧美,日韩| 黄色配什么色好看| 天堂中文最新版在线下载| 永久网站在线| 大陆偷拍与自拍| 高清午夜精品一区二区三区| 性高湖久久久久久久久免费观看| 性高湖久久久久久久久免费观看| 在线观看免费视频网站a站| 久久久久国产网址| 大香蕉久久网| 国产精品.久久久| 成年人免费黄色播放视频 | h视频一区二区三区| 国产成人freesex在线| 久久久久国产网址| av天堂中文字幕网| 成年人免费黄色播放视频 | 九九久久精品国产亚洲av麻豆| 亚洲欧美成人综合另类久久久| 日韩制服骚丝袜av| 极品人妻少妇av视频| 久久久久视频综合| 亚洲精品色激情综合| 视频中文字幕在线观看| 久久久久久久精品精品| 天堂8中文在线网| 精品少妇久久久久久888优播| 啦啦啦中文免费视频观看日本| 毛片一级片免费看久久久久| 男男h啪啪无遮挡| 久久人人爽人人片av| 国产视频内射| 国产精品久久久久久久久免| 久久久久久久大尺度免费视频| 欧美 日韩 精品 国产| 国产乱人偷精品视频| a级片在线免费高清观看视频| 亚洲无线观看免费| 18+在线观看网站| 亚洲久久久国产精品| 亚洲久久久国产精品| 女性生殖器流出的白浆| 波野结衣二区三区在线| 免费高清在线观看视频在线观看| 最新的欧美精品一区二区| freevideosex欧美| 日韩中字成人| 日本vs欧美在线观看视频 | 久久av网站| 高清黄色对白视频在线免费看 | 99热网站在线观看| 亚洲精品国产色婷婷电影| 久久综合国产亚洲精品| 久久99热这里只频精品6学生| 人人妻人人添人人爽欧美一区卜| 国产综合精华液| 91精品伊人久久大香线蕉| 人人澡人人妻人| 热re99久久国产66热| 午夜福利影视在线免费观看| 婷婷色综合www| 一级黄片播放器| 免费看av在线观看网站| 99热这里只有精品一区| 大又大粗又爽又黄少妇毛片口| 亚洲性久久影院| 国产女主播在线喷水免费视频网站| 国产精品人妻久久久影院| 亚洲精品国产成人久久av| videossex国产| 亚洲欧美日韩另类电影网站| 亚洲av综合色区一区| 伦精品一区二区三区| 色网站视频免费| 亚洲欧美精品专区久久| 日日撸夜夜添| 亚洲va在线va天堂va国产| 麻豆精品久久久久久蜜桃| 亚洲精品一区蜜桃| 91精品一卡2卡3卡4卡| 大话2 男鬼变身卡| freevideosex欧美| 我的女老师完整版在线观看| 成人影院久久| 成人18禁高潮啪啪吃奶动态图 | 精品人妻熟女av久视频| 新久久久久国产一级毛片| 国产av精品麻豆| 中文欧美无线码| 久久 成人 亚洲| 国产爽快片一区二区三区| 久久久久久久久久久免费av| 91久久精品电影网| 美女国产视频在线观看| 国产在视频线精品| 性色av一级| 亚洲国产毛片av蜜桃av| 十八禁网站网址无遮挡 | 精品少妇久久久久久888优播| 一级毛片我不卡| 日韩 亚洲 欧美在线| 久久久久久久大尺度免费视频| 99re6热这里在线精品视频| 老司机影院毛片| 亚洲欧美精品专区久久| √禁漫天堂资源中文www| 少妇人妻精品综合一区二区| 亚洲图色成人| 午夜免费观看性视频| 久久女婷五月综合色啪小说| 欧美精品一区二区大全| 国产视频首页在线观看| 中文字幕精品免费在线观看视频 | 国产精品.久久久| 我的女老师完整版在线观看| 中文乱码字字幕精品一区二区三区| 夜夜爽夜夜爽视频| 伦理电影大哥的女人| 天堂中文最新版在线下载| 久久久精品94久久精品| 男男h啪啪无遮挡| 久久久久久人妻| 久久婷婷青草| 欧美最新免费一区二区三区| 蜜臀久久99精品久久宅男| 18禁在线播放成人免费| 春色校园在线视频观看| 亚洲精品国产av蜜桃| 成人亚洲精品一区在线观看| 国产精品福利在线免费观看| 午夜激情久久久久久久| 一级二级三级毛片免费看| av不卡在线播放| 午夜激情福利司机影院| 国产日韩欧美在线精品| 人妻夜夜爽99麻豆av| av免费观看日本| 久久ye,这里只有精品| 一本大道久久a久久精品| 免费少妇av软件| 九草在线视频观看| 自拍偷自拍亚洲精品老妇| 国产高清有码在线观看视频| 久久人人爽人人片av| 亚洲国产精品国产精品| 国产成人精品无人区| 我的女老师完整版在线观看| 好男人视频免费观看在线| 十八禁高潮呻吟视频 | 亚洲熟女精品中文字幕| 最近中文字幕高清免费大全6| 少妇人妻精品综合一区二区| 亚洲av成人精品一区久久| 内射极品少妇av片p| 久久久久精品久久久久真实原创| 亚洲情色 制服丝袜| 亚洲国产精品成人久久小说| 久久久国产欧美日韩av| 亚洲欧美成人精品一区二区| 亚洲熟女精品中文字幕| 国产精品一区二区在线不卡| 熟女人妻精品中文字幕| 国产深夜福利视频在线观看| 亚洲电影在线观看av| 精品国产一区二区久久| 嫩草影院新地址| 久久综合国产亚洲精品| 涩涩av久久男人的天堂| 大香蕉久久网| 亚洲精品,欧美精品| 国产亚洲最大av| 久热久热在线精品观看| 亚洲无线观看免费| 亚洲av国产av综合av卡| 亚洲av福利一区| 国产av国产精品国产| 欧美一级a爱片免费观看看| 在线天堂最新版资源| 亚洲欧洲国产日韩| a级毛片免费高清观看在线播放| 欧美 日韩 精品 国产| 久久精品国产鲁丝片午夜精品| 中文字幕制服av| 亚洲欧美成人精品一区二区| 久久久亚洲精品成人影院| 18禁裸乳无遮挡动漫免费视频| 欧美xxxx性猛交bbbb| 少妇的逼水好多| 久久人妻熟女aⅴ| 极品人妻少妇av视频| 亚洲国产色片| 欧美精品高潮呻吟av久久| 黑丝袜美女国产一区| 男女边吃奶边做爰视频| 国产片特级美女逼逼视频| av在线app专区| av有码第一页| 精品久久国产蜜桃| 在现免费观看毛片| videos熟女内射| 最新的欧美精品一区二区| 97在线视频观看| 亚洲四区av| 少妇精品久久久久久久| 日日啪夜夜撸| 国国产精品蜜臀av免费| 国产精品一区www在线观看| 高清视频免费观看一区二区| 国产午夜精品久久久久久一区二区三区| 美女xxoo啪啪120秒动态图| 少妇 在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲怡红院男人天堂| 免费观看性生交大片5| 国产一区有黄有色的免费视频| 在线看a的网站| 高清av免费在线| 狠狠精品人妻久久久久久综合| 国产毛片在线视频| 日日啪夜夜撸| 91久久精品国产一区二区三区| 熟妇人妻不卡中文字幕| 国产成人freesex在线| 免费播放大片免费观看视频在线观看| 老司机亚洲免费影院| 久久精品熟女亚洲av麻豆精品| 我的老师免费观看完整版| 色婷婷av一区二区三区视频| 欧美xxxx性猛交bbbb| 久久久欧美国产精品| 深夜a级毛片| 成年人午夜在线观看视频| 久久狼人影院| 91久久精品电影网| 亚洲成人手机| 久久精品国产鲁丝片午夜精品| 久久人妻熟女aⅴ| 久久6这里有精品| 精品人妻一区二区三区麻豆| 熟女电影av网| 免费大片18禁| 热re99久久精品国产66热6| 久久女婷五月综合色啪小说| 日本午夜av视频| 欧美 亚洲 国产 日韩一| 青春草视频在线免费观看| 亚洲欧美一区二区三区黑人 | 日本wwww免费看| videossex国产| 日日啪夜夜爽| 一级,二级,三级黄色视频| 美女xxoo啪啪120秒动态图| 午夜免费鲁丝| 99热这里只有是精品在线观看| 亚洲,欧美,日韩| 欧美日韩在线观看h| 一级毛片久久久久久久久女| 久久99热6这里只有精品| 九草在线视频观看| 久久免费观看电影| 亚洲精品国产av成人精品| 黄色欧美视频在线观看| 久久免费观看电影| 一级毛片我不卡| 国产日韩欧美在线精品| 国产成人精品无人区| 国产精品一区二区在线不卡| 99热这里只有是精品50| 国产精品国产三级专区第一集| 嫩草影院新地址| 午夜视频国产福利| 久久99蜜桃精品久久| 一二三四中文在线观看免费高清| 午夜免费观看性视频| 国产精品福利在线免费观看| 99久久综合免费| 欧美+日韩+精品| 日本wwww免费看| 国产在视频线精品| 日韩熟女老妇一区二区性免费视频| 精品一区二区免费观看| 美女内射精品一级片tv| 中文在线观看免费www的网站| 国产 一区精品| 毛片一级片免费看久久久久| 一个人免费看片子| 一区二区av电影网| 欧美 亚洲 国产 日韩一| 午夜免费男女啪啪视频观看| 欧美亚洲 丝袜 人妻 在线| 精品少妇久久久久久888优播| 国产高清三级在线| 看非洲黑人一级黄片| 久久6这里有精品| 涩涩av久久男人的天堂| 肉色欧美久久久久久久蜜桃| 菩萨蛮人人尽说江南好唐韦庄| 精品卡一卡二卡四卡免费| 亚洲第一av免费看| 免费人妻精品一区二区三区视频| 日本爱情动作片www.在线观看| 男人狂女人下面高潮的视频| 午夜日本视频在线| 久久 成人 亚洲| av在线app专区| 国产欧美日韩综合在线一区二区 | 9色porny在线观看| 欧美丝袜亚洲另类| 亚洲激情五月婷婷啪啪| 久久97久久精品| 国产一区有黄有色的免费视频| 3wmmmm亚洲av在线观看| 精品久久国产蜜桃| 国产免费视频播放在线视频| 国产爽快片一区二区三区| 三级国产精品欧美在线观看| 亚洲综合精品二区| 99热这里只有是精品50| 在线观看av片永久免费下载| 午夜免费鲁丝| 新久久久久国产一级毛片| 大话2 男鬼变身卡| 一级毛片电影观看| 国产欧美日韩精品一区二区| 自拍偷自拍亚洲精品老妇| 我要看黄色一级片免费的| tube8黄色片| freevideosex欧美| 最后的刺客免费高清国语| 欧美激情极品国产一区二区三区 | 国产av国产精品国产| 亚洲三级黄色毛片| 桃花免费在线播放| 欧美精品亚洲一区二区| 女性生殖器流出的白浆| 最近中文字幕高清免费大全6| 亚洲精品一区蜜桃| 国产精品一区二区性色av| 午夜久久久在线观看| 男女无遮挡免费网站观看| 欧美日韩视频精品一区| 亚洲va在线va天堂va国产| 人人妻人人澡人人爽人人夜夜| 国产精品人妻久久久影院| 极品教师在线视频| 一区二区三区精品91| 老司机影院成人| 一级毛片黄色毛片免费观看视频| 99久久综合免费| 两个人免费观看高清视频 | 精品一区二区三卡| 这个男人来自地球电影免费观看 | 亚洲精品自拍成人| 校园人妻丝袜中文字幕| 在线精品无人区一区二区三| 中文精品一卡2卡3卡4更新| 日日啪夜夜爽| 只有这里有精品99| 亚洲va在线va天堂va国产| 久久久a久久爽久久v久久| 日日撸夜夜添| 妹子高潮喷水视频| 免费少妇av软件| 久久人人爽人人爽人人片va| 国产精品一区www在线观看| 黄色配什么色好看| 日日撸夜夜添| 久久久a久久爽久久v久久| 午夜福利视频精品| 成人午夜精彩视频在线观看| 色哟哟·www| 久久久久久久国产电影| freevideosex欧美| 国产亚洲一区二区精品| 国产av码专区亚洲av| 中国三级夫妇交换| 涩涩av久久男人的天堂| 国产真实伦视频高清在线观看| 插阴视频在线观看视频| 精品熟女少妇av免费看| 久久97久久精品| 国产午夜精品一二区理论片| 日本色播在线视频| 国产淫片久久久久久久久| 在线天堂最新版资源| 青青草视频在线视频观看| 日日啪夜夜爽| 丰满人妻一区二区三区视频av| 女的被弄到高潮叫床怎么办| 男女边摸边吃奶| 少妇熟女欧美另类| 国产高清不卡午夜福利| 中国国产av一级| 99热这里只有是精品50| 自拍偷自拍亚洲精品老妇| 国产亚洲精品久久久com| 岛国毛片在线播放| 久久午夜综合久久蜜桃| 国产精品99久久久久久久久| 久久久国产一区二区| 一级黄片播放器| 日本av免费视频播放| 国产 精品1| www.av在线官网国产| 少妇猛男粗大的猛烈进出视频| 日日摸夜夜添夜夜添av毛片| 久久青草综合色| 男女无遮挡免费网站观看| 少妇人妻久久综合中文| 亚洲欧美一区二区三区国产| 全区人妻精品视频| 在线观看免费高清a一片| 日日啪夜夜爽| 自拍欧美九色日韩亚洲蝌蚪91 | 精品一品国产午夜福利视频| 男女国产视频网站| 又爽又黄a免费视频| 国产真实伦视频高清在线观看| 久久久久久人妻| 91aial.com中文字幕在线观看| 如何舔出高潮| 美女大奶头黄色视频| 男人和女人高潮做爰伦理| av网站免费在线观看视频| 国产亚洲精品久久久com| 大香蕉久久网| 日韩免费高清中文字幕av| 国产白丝娇喘喷水9色精品| 一区二区三区免费毛片| 国产成人午夜福利电影在线观看| 亚洲内射少妇av| 亚洲精华国产精华液的使用体验| 黑人高潮一二区| 久久这里有精品视频免费| 久久久久精品久久久久真实原创| 妹子高潮喷水视频| 人人妻人人澡人人看| 免费看日本二区| 亚洲精品日韩在线中文字幕| 亚洲精品中文字幕在线视频 | av福利片在线观看| 亚洲,一卡二卡三卡| 欧美日韩一区二区视频在线观看视频在线| 91久久精品国产一区二区成人| 欧美人与善性xxx| 少妇丰满av| 美女视频免费永久观看网站| 免费观看在线日韩| 欧美日韩国产mv在线观看视频| 内射极品少妇av片p| 97在线视频观看| 日本黄色日本黄色录像| 一级毛片电影观看| 在线观看一区二区三区激情| 免费播放大片免费观看视频在线观看| 丰满饥渴人妻一区二区三| 少妇丰满av| 女的被弄到高潮叫床怎么办| 日韩人妻高清精品专区| 99热这里只有是精品在线观看| 三级国产精品欧美在线观看| 精品一区在线观看国产| 少妇被粗大的猛进出69影院 | 日日撸夜夜添|