• <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 ?

    采用混合融合方式的改進MV3D目標檢測模型研究

    2024-10-13 00:00:00沙俊良曹景勝董翼寧袁增千李剛
    現(xiàn)代電子技術(shù) 2024年19期
    關(guān)鍵詞:深度特征融合

    摘" 要: 針對3D目標檢測精度低、在復(fù)雜工況下檢測效果差的問題,利用圖像和點云數(shù)據(jù)作為輸入,引入深度補全增加點云前視圖特征,并對MV3D目標檢測模型進行改進,提出混合融合方式,將全局信息較多的圖片特征拼接到融合完成后的點云特征中,最后再進行融合。文中所提出的混合融合方案兼顧了深度融合的特征又增加了全局的特征信息,利用DETR模塊對原模型的非極大值抑制操作進行優(yōu)化,使得模型輕量化。最后在KITTI數(shù)據(jù)集上對文中模型進行了實驗分析,結(jié)果表明,所提出的模型可以實現(xiàn)復(fù)雜工況下的3D目標檢測,且在精度上與原模型相比,在三種不同檢測難度的工況下平均提升了7.19%。

    關(guān)鍵詞: 3D目標檢測; MV3D; 模型改進; 深度補全; 混合融合; DETR

    中圖分類號: TN911.7?34; TP391.41; U463.6" " " " " " 文獻標識碼: A" " " " " " 文章編號: 1004?373X(2024)19?0175?06

    Research on improved MV3D object detection model with hybrid fusion mode

    SHA Junliang, CAO Jingsheng, DONG Yining, YUAN Zengqian, LI Gang

    (College of Automotive and Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China)

    Abstract: The accuracy of the 3D object detection is low and the detection effect is poor under complex working conditions. In view of this, by taking the image and point cloud data as the input, this paper introduces the deep complement to increase the front view features of point cloud, improves the MV3D object detection model, and proposes a hybrid fusion method. In this method, image features with more global information is spliced into the point cloud features after fusion, and then fusion is carried out. In the hybrid fusion scheme proposed, the features of deep fusion are taken into account and the global feature information is added. The DETR module is used to optimize the non?maximum suppression operation of the original model, so as to make the model lightweight. The experimental analysis of the proposed model is carried out on dataset KITTI. The results show that the proposed model can realize 3D object detection under complex working conditions and its accuracy is improved by 7.19% on average under three working conditions with different levels of detection difficulties in comparison with that of the original model.

    Keywords: 3D object detection; MV3D; model improvement; deep complement; hybrid fusion; DETR

    0" 引" 言

    隨著科技的進步和社會的發(fā)展,智能汽車技術(shù)成為最熱門的研究方向之一,并且可以初步實現(xiàn)L2+的功能[1]。技術(shù)的發(fā)展是為了保障人的安全,不能成為安全的隱患,在智能駕駛中,車輛對外部環(huán)境的感知是保證安全行駛的前提。

    目前關(guān)于3D目標檢測可分為如下三類[2?5]。

    第一種是基于彩色圖像,如文獻[6]在ROI?10D的模型基礎(chǔ)上得到Pseudo?LiDAR模型,將二維前視圖像生成像素級的深度圖,將深度圖和彩色圖像進行融合得到最終的3D目標檢測。文獻[7]提出了AM3D模型,該模型也是將2D檢測框與圖像生成的偽點云進行融合生成3D檢測框,并且使用PointNet主網(wǎng)絡(luò)進行3D框回歸,最終得到目標3D框。此類使用彩色圖像生成偽點云的方式有一定的可行性,但是在精度和實際位置等方面與激光雷達生成的點云數(shù)據(jù)有很大差別。文獻[8]提出MonoDLE模型,此模型為純視覺領(lǐng)域3D目標檢測的“瓶頸”,解決了絕大部分的問題,丟掉訓(xùn)練過程中兩種框的定位問題,刪掉此類問題以提高檢測器的檢測性能。

    第二種是基于點云數(shù)據(jù)的3D目標檢測研究,基于純圖像的3D目標檢測因本身的局限性發(fā)展進入瓶頸期,隨著傳感器硬件的發(fā)展,激光雷達逐漸成為一個重要的研究方向。激光雷達對周圍環(huán)境進行掃描得到密集的點云圖,與車載相機拍攝的彩色圖像相比,點云圖先天具有精確的深度信息,因此點云圖成為3D目標檢測的新途徑。如文獻[9]在前人的研究基礎(chǔ)上提出YOLO?3D模型,該模型在YOLO?v2的基礎(chǔ)上進行改進,使模型的輸出框增加了深度和航向信息。YOLO?3D與PIXOR模型都是將點云轉(zhuǎn)換為俯視圖的形式再用圖像檢測器進行檢測。由于在俯視圖視角中邊界框之間的差異性較小,因此舍棄了YOLO系列模型錨框的概念,取同一類別的框的平均值作為框的大小,故計算量大大減小,檢測速度增加。此方式的缺點也較為明顯,精度較差。文獻[10]提出的HDNET模型在PIXOR模型的基礎(chǔ)上添加了高精度地圖信息。高精地圖對道路方面信息具有精確的標注,可以更好地解決道路障礙物以及地面的起伏問題,結(jié)合道路的實際情況對點云進行精細化處理,減少道路實際客觀情況對檢測結(jié)果的影響。

    第三種是基于彩色圖像與點云數(shù)據(jù)融合,如文獻[11]提出的ContFuse模型是深度融合最經(jīng)典的模型。此模型是將點云數(shù)據(jù)與彩色圖像數(shù)據(jù)分別進行處理,將彩色圖像的畫面轉(zhuǎn)換為鳥瞰圖的形式。之后將彩色鳥瞰圖前視圖的特征提取出來,再將不同鳥瞰方位的特征進行提取,最后將所有方位的特征進行融合得到整個鳥瞰圖的特征。文獻[12]提出的MV3D模型是一種典型的決策融合模型。MV3D在多模態(tài)融合中,輸入數(shù)據(jù)為點云俯視圖、點云前視圖和彩色圖像。在點云俯視圖中生成建議框,其他兩種輸入數(shù)據(jù)按照正常的方式通過VGG16網(wǎng)絡(luò)進行特征提取,將建議框與這兩種特征進行映射,得到三組ROI特征。將三組ROI輸入至融合網(wǎng)絡(luò)中得到最終的融合結(jié)果,融合結(jié)果再進行全連接等操作,得到最終的3D目標。

    本文利用圖像與點云數(shù)據(jù)融合進行3D目標檢測,改進目前效果較好的MV3D模型,采用混合融合的方式替代原模型的深度融合,混合融合將全局信息較多的圖片特征拼接到融合完成后的點云特征中,最后進行融合,并在目標檢測模塊中引入了DETR模型中的檢測模塊,提升精度的同時使得模型輕量化,最后將本文提出的模型在簡單、中等和復(fù)雜三種不同難度的工況下進行實驗分析,結(jié)果表明,本文的方法與原模型相比在三種不同檢測難度的工況下均有良好的表現(xiàn)。

    1" 基礎(chǔ)研究

    1.1" MV3D模型

    MV3D模型是目前被應(yīng)用于自動駕駛3D目標檢測效果較好的模型,其模型結(jié)構(gòu)如圖1所示。此模型屬于多模態(tài)融合模型,將雷達點云數(shù)據(jù)和圖像的數(shù)據(jù)進行融合,最終確定結(jié)果。

    在數(shù)據(jù)的輸入階段采用了點云鳥瞰圖(Bird′s Eye View, BEV),同時模型的輸入還包括點云前視圖和車載相機高清圖像。首先會經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)提取出輸入圖像數(shù)據(jù)的特征,點云鳥瞰圖中本身具有的優(yōu)勢為遮擋物比較少,因此本模型在點云鳥瞰圖中生成3D建議框。將建議框的信息與其他兩個通道特征進行整合,得到3個角度的特征,再將3個尺寸相同的特征傳輸至融合模塊,最后對融合后的特征進行分類、回歸等操作,得到最終的3D檢測框。

    1.2" DETR模型

    MV3D模型應(yīng)用了很多非極大值抑制(NMS)操作,此操作具有較大的計算量。因此本文對原MV3D模型中的NMS部分采用DETR模型進行了優(yōu)化。在特征融合方面提出新的融合方案,并利用當下性能最強的Transformer進行目標的檢測和3D框回歸[13?14]。

    DETR模型可以解決非極大值抑制(NMS)操作需要計算量較大的問題,直接省去非極大值抑制(NMS)操作,只對特征進行融合,分類和回歸由模型后面的Transformer encoder/decoder決定。對于3D框的回歸和朝向時的損失計算采用匈牙利損失(Hungarian Loss)對比得到最優(yōu)解,DETR模型結(jié)構(gòu)如圖2所示。

    1.2.1" Transformer原理

    Transformer模型不同于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò),更多地應(yīng)用了注意力機制(Attention),尤其是自注意力機制層(self?attention)。同時引入多頭注意力機制,增加特征的全局性。self?attention中最重要的三個參數(shù)為query、key、value,query與key相乘得到的結(jié)果就是相關(guān)度,經(jīng)過softmax后得到權(quán)重表示,之后針對可能的加權(quán)和得到最終的結(jié)果。多頭注意力機制在Transformer中應(yīng)用最多,與self?attention相比,是將value、query、key分裂成多個,然后在自己的頭部即輸入部分做self?attention操作,將得到的結(jié)果連接起來,將連接后的結(jié)果做維度上的處理即可(只需進行矩陣的乘法計算)。多頭注意力機制的優(yōu)勢在于不同的“頭”可以對不同的特征進行學(xué)習(xí),例如有的頭對局部特征進行學(xué)習(xí),有的頭部對全局特征進行學(xué)習(xí)。

    1.2.2" 匈牙利算法架構(gòu)

    匈牙利算法(Hungarian Algorithm)是一個經(jīng)典的解決兩個部分之間最優(yōu)匹配問題的算法,能得到最優(yōu)匹配結(jié)果。該算法進行匹配的原理示意圖如圖3所示,該算法將每一個物體視為獨立節(jié)點,分別計算當前幀中節(jié)點與上一幀中所有節(jié)點的距離,距離最短的則視為同一物體,完成匹配。

    1.3" 深度補全

    點云數(shù)據(jù)本身具有稀疏性、分辨率低的問題,在三維機器視覺中,為了提升模型的訓(xùn)練性能,需要大量有效數(shù)據(jù)。為了提高目標檢測的準確度和可靠性,本文引入深度補全算法。使用PF?Net算法對點云數(shù)據(jù)進行處理,此方法是基于深度學(xué)習(xí)的點云補全算法。本文對模型輸入的點云前視圖進行深度補全。通過深度補全可以將稀疏深度圖轉(zhuǎn)換為密集深度圖,將點云數(shù)據(jù)進行預(yù)處理得到密集的深度圖。因此,可以獲得更多的特征,有利于模型訓(xùn)練,如圖4所示,是在KITTI數(shù)據(jù)集中經(jīng)過點云深度補全后的結(jié)果對比。

    2" 多模態(tài)融合網(wǎng)絡(luò)

    數(shù)據(jù)融合主要是找兩個視圖之間的相關(guān)特征,提取共享成分。MV3D模型在多模態(tài)數(shù)據(jù)融合方面使用的是深度融合方案,如圖5所示。但是深度融合方案缺少了全局的信息,為了充分利用模型輸入的數(shù)據(jù),提取更多的數(shù)據(jù)特征,本文提出了混合融合方案,如圖6所示,本文使用的混合融合方式兼顧了深度融合的特征又增加了全局的信息。該方法主要是對彩色圖像特征的應(yīng)用,圖像特征具有全局特征,并且各部分之間相互關(guān)聯(lián)性大,具有豐富的語義信息,利用圖像的特征來豐富點云信息,與點云信息形成互補。圖6中單斜線部分是激光雷達點云的鳥瞰圖提取到的特征,點狀部分為激光雷達點云前視圖的特征,淺灰色部分為車載相機拍攝的彩色圖像提取的特征。在融合過程中,首先對點云的俯視圖和點云前視圖特征進行逐點的特征融合,圓圈M1、M2、M3的操作為對輸入的特征向量的元素進行取均值操作得到融合后的特征,之后將融合后的特征經(jīng)過M2再次進行融合操作,此次融合后的特征輸出需要加上彩色圖像的特征,類似于特征拼接。彩色圖像的特征不是直接對特征進行“剪切”后拼接到俯視圖與前視圖的特征中,而是根據(jù)M2融合后得到的特征具有的通道數(shù),將彩色圖像特征進行池化和全連接操作,將特征拼接至融合后的點云特征中,經(jīng)過M3操作最終獲得融合后的特征。

    本文提出的3D目標檢測模型如圖7所示,是一個端到端的目標檢測模型。首先,將點云的鳥瞰圖經(jīng)過深度補全之后的前視圖以及車載相機的彩色圖片輸入至VGG?16網(wǎng)絡(luò)中,提取各個視圖的特征;然后在點云鳥瞰圖上生成3D建議框,與原MV3D模型不同的是本模型去除了NMS操作,保留大量的先驗框,記錄下先驗框最大的占用尺寸和最大中心點尺寸位置;之后將先驗框位置傳遞給提取好的特征里,生成感興趣區(qū)域(ROI)的特征,將特征傳送至數(shù)據(jù)混合融合模塊,生成融合特征,將融合特征輸入至目標檢測模塊。在實驗時融合特征的尺寸為3×800×1 066,需要經(jīng)過池化操作,使得特征降維為256×25×34的尺寸;同時3D建議框中的位置數(shù)據(jù)需要和融合特征一起輸入至檢測網(wǎng)絡(luò),尺寸同樣為256×25×34。此時輸入的檢測網(wǎng)絡(luò)Transformer encoder/decoder一共是三層,首先需要將輸入的特征進行轉(zhuǎn)換,變?yōu)?50×256,將數(shù)據(jù)輸入至Transformer encoder中,輸出的數(shù)據(jù)尺寸大小也為850×256,再輸入至Transformer decoder中。輸入Transformer decoder中的object queries的大小為100×256,其中100為自定義的框的數(shù)量,可以人為調(diào)整,256為輸入decoder中數(shù)據(jù)的通道數(shù)。decoder的輸出尺寸大小也為100×256,實際訓(xùn)練模型過程中經(jīng)過一層的訓(xùn)練后可以直接將數(shù)據(jù)輸入至FFN全連接層,通過匈牙利算法對是否有目標、目標種類、3D框進行匹配,這樣做的好處是最后得到的結(jié)果會更加精確,并且節(jié)省算力。第一層訓(xùn)練完的decoder輸出數(shù)據(jù)會作為第二層encoder的輸入數(shù)據(jù),重復(fù)上述操作,直至完成三層Transformer encoder/decoder,最后完成對目標3D框的定位。

    3" 實驗與結(jié)果分析

    本實驗在云服務(wù)器中使用KITTI數(shù)據(jù)集進行訓(xùn)練,數(shù)據(jù)集包括7 481張道路交通圖片及對應(yīng)的點云文件,其中采用70%用于訓(xùn)練,30%用于測試,目標檢測的難度根據(jù)標注框是否被遮擋、遮擋程度和框的高度進行定義,如表1所示。將訓(xùn)練好的模型進行可視化,如圖8所示,沒有出現(xiàn)漏檢和誤檢的情況,在融合方面由于數(shù)據(jù)的融合具有不可解釋性,故不可單獨對多模態(tài)數(shù)據(jù)融合方式進行實驗驗證。在對改進模型進行訓(xùn)練過程中,將原多模態(tài)深度融合方式加入改進后的模型訓(xùn)練,通過減少變量的方式來驗證融合的有效性。模型的檢測結(jié)果如表2所示。

    改進后的MV3D模型用原模型深度融合的方式進行訓(xùn)練,與原MV3D模型對比,在簡單、中等和困難模式下的檢測精度均比原模型要高,平均提升了2.76%。改進后的MV3D(混合融合)與原模型相比,在簡單、中等、困難等級下,對車的檢測精度均有很大提高,分別提高了4.1%、10.11%、7.35%,與原模型相比精度平均提高了7.19%。

    改進MV3D(深度融合)與改進MV3D(混合融合)兩個模型之間只有多模態(tài)數(shù)據(jù)融合的方式不一致,使用混合融合的模型比使用深度融合的模型的車輛檢測精度都要好。由此可見,本文改進的多模態(tài)混合融合方案比原模型的深度融合方案性能更好。

    為了進一步驗證本文模型的泛化性以及在復(fù)雜場景下目標檢測的效果,本文設(shè)計三種復(fù)雜工況,分別為遠距離工況、遮擋工況以及光照過飽和工況,檢測效果如圖9所示。

    可以看出改進后的模型在三種工況下仍然有較好的表現(xiàn)。在圖9a)遠距離工況中,兩個場景可以識別出較遠距離的目標并標注出來;圖9b)中可以看出改進后的模型對遮擋場景的目標識別成功率較高;圖9c)中,光照過飽和工況下仍可以識別成功,說明改進后的模型具有較強的魯棒性。

    4" 結(jié)" 語

    針對3D目標檢測精度低、在復(fù)雜工況下效果差的問題,本文提出了一種采用混合融合方式的改進MV3D目標檢測算法,將全局信息較多的圖片特征拼接到融合完成后的點云特征中。同時,去除非極大值抑制來降低網(wǎng)絡(luò)計算量,使用混合融合網(wǎng)絡(luò)替代原模型中的深度融合網(wǎng)絡(luò)。本文所提出的3D目標檢測模型,在簡單、中等和困難工況下的檢測精度與原MV3D目標檢測模型相比均有提升,特別在中等和困難工況下提升明顯。

    注:本文通訊作者為曹景勝。

    參考文獻

    [1] 蔣拯民,黨少博,李慧云,等.自動駕駛汽車場景測試研究進展綜述[J].汽車技術(shù),2022(8):10?22.

    [2] 李艷,沈韜,曾凱.基于毫米波雷達點云和視覺信息差異性特征注意力融合的3D目標檢測[J].光電子·激光,2023,34(1):26?33.

    [3] 陶博,顏伏伍,尹智帥,等.基于高精度地圖增強的三維目標檢測算法[J].吉林大學(xué)學(xué)報(工學(xué)版),2023,53(3):802?809.

    [4] 甄然,蘇康,周金星,等.改進SSD的無人機目標檢測研究[J].現(xiàn)代電子技術(shù),2022,45(22):33?37.

    [5] 張洪濤,田星星,周意入,等.改進型Faster R?CNN的AGV導(dǎo)航圖案目標檢測算法[J].現(xiàn)代電子技術(shù),2022,45(13):51?56.

    [6] WANG Y, CHAO W L, GARG D. Pseudo?LiDAR from visual depth estimation: Bridging the gap in 3D object detection for autonomous driving [C]// Proceedings of the IEEE/CVF Con?ference on Computer Vision and Pattern Recognition. New York: IEEE, 2019: 8445?8453.

    [7] MA X Z, WANG Z H, LI H J. Accurate monocular 3D object detection via color?embedded 3D reconstruction for autonomous driving [C]// Proceedings of the IEEE/CVF International Con?ference on Computer Vision. New York: IEEE, 2019: 6850?6859.

    [8] WANG T, PANG J M, LIN D H. Monocular 3D object detection with depth from motion [C]// Proceedings of 17th European Conference on Computer Vision. Heidelberg, Germany: Springer, 2022: 386?403.

    [9] TAKAHASHI M, JI Y, UMEDA K, et al. Expandable YOLO: 3D object detection from RGB?D images [C]// 2020 21st International Conference on Research and Education in Mechatronics. New York: IEEE, 2020: 1?5.

    [10] YANG B, LIANG M, URTASUN R. HDNET: Exploiting HD maps for 3D object detection [EB/OL]. [2020?12?21]. https://arxiv.org/abs/2012.11704.

    [11] LIANG M, YANG B, CHEN Y, et al. Multi?task multi?sensor fusion for 3D object detection [C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2019: 7345?7353.

    [12] CHEN X Z, MA H M, WAN J. Multi?view 3D object detection network for autonomous driving [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2017: 6526?6534.

    [13] 康自祥,王升哲,崔雨勇,等.基于Transformer的體素化激光點云目標檢測算法[J].激光與紅外,2023,53(2):202?207.

    [14] 王春雷,張建林,李美惠,等.結(jié)合卷積Transformer的目標跟蹤算法[J].計算機工程,2023,49(4):281?288.

    作者簡介:沙俊良(1998—),男,回族,吉林吉林人,碩士研究生,研究方向為智能駕駛技術(shù)。

    曹景勝(1984—),男,山東陽谷人,副教授,碩士生導(dǎo)師,研究方向為智能汽車關(guān)鍵技術(shù)、新能源汽車驅(qū)動與控制。

    收稿日期:2024?03?20" " " " " "修回日期:2024?04?17

    基金項目:國家自然科學(xué)基金項目(51675257);國家自然科學(xué)基金青年基金項目(51305190);遼寧省教育廳基本科研項目(面上項目)(LJKMZ20220976);遼寧省自然科學(xué)基金指導(dǎo)計劃項目(20180550020)

    猜你喜歡
    深度特征融合
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    深度理解一元一次方程
    《融合》
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    深度觀察
    深度觀察
    深度觀察
    伊人久久精品亚洲午夜| 国产色婷婷99| videossex国产| 午夜久久久在线观看| av免费观看日本| 日韩av不卡免费在线播放| 大香蕉久久网| 久久这里有精品视频免费| 简卡轻食公司| 国产成人免费无遮挡视频| 久久久久视频综合| 国产极品天堂在线| 亚洲第一区二区三区不卡| 狠狠精品人妻久久久久久综合| 日韩精品有码人妻一区| 99精国产麻豆久久婷婷| 国产精品一区www在线观看| 国产 一区精品| 欧美最新免费一区二区三区| 日韩电影二区| 日日啪夜夜爽| 人妻系列 视频| 丰满少妇做爰视频| av一本久久久久| 女人精品久久久久毛片| 国产女主播在线喷水免费视频网站| 91精品三级在线观看| 99久久人妻综合| 简卡轻食公司| 国产在视频线精品| 亚洲精品色激情综合| 美女主播在线视频| 这个男人来自地球电影免费观看 | 在线观看国产h片| 亚洲精品乱码久久久久久按摩| 国产精品久久久久久精品电影小说| 久久久国产一区二区| 午夜福利网站1000一区二区三区| 国产精品不卡视频一区二区| 久久婷婷青草| 欧美精品高潮呻吟av久久| 在线免费观看不下载黄p国产| 日韩强制内射视频| 国产精品人妻久久久影院| 亚洲精品亚洲一区二区| 欧美老熟妇乱子伦牲交| av黄色大香蕉| 久久久久国产精品人妻一区二区| 日日摸夜夜添夜夜爱| 有码 亚洲区| 国产一区亚洲一区在线观看| 91aial.com中文字幕在线观看| 亚洲精品亚洲一区二区| 天天操日日干夜夜撸| 中国美白少妇内射xxxbb| 亚洲丝袜综合中文字幕| 狠狠精品人妻久久久久久综合| 国产 精品1| av在线app专区| 国产成人免费无遮挡视频| 丰满迷人的少妇在线观看| 国产日韩一区二区三区精品不卡 | 国产成人av激情在线播放 | 久久精品久久精品一区二区三区| 国产欧美另类精品又又久久亚洲欧美| av在线观看视频网站免费| 人成视频在线观看免费观看| 99视频精品全部免费 在线| 在线精品无人区一区二区三| 亚洲av成人精品一区久久| 免费少妇av软件| 亚洲丝袜综合中文字幕| 久久av网站| 国产av一区二区精品久久| 一个人免费看片子| 国产视频内射| 国产精品99久久99久久久不卡 | av女优亚洲男人天堂| 欧美国产精品一级二级三级| 国产精品欧美亚洲77777| 亚洲精品色激情综合| 一边亲一边摸免费视频| 亚洲精品国产色婷婷电影| 久久久精品94久久精品| 各种免费的搞黄视频| 欧美bdsm另类| 亚洲av免费高清在线观看| 天美传媒精品一区二区| 日韩av免费高清视频| 啦啦啦在线观看免费高清www| 免费人成在线观看视频色| 国产乱人偷精品视频| 一级爰片在线观看| 国产一区有黄有色的免费视频| 嘟嘟电影网在线观看| 三级国产精品片| av不卡在线播放| 在线观看免费高清a一片| 黄色怎么调成土黄色| 国产精品三级大全| 久久久精品94久久精品| 一级a做视频免费观看| 亚洲av.av天堂| 亚洲精品国产色婷婷电影| 一边亲一边摸免费视频| 一本色道久久久久久精品综合| 少妇丰满av| 一区二区三区精品91| freevideosex欧美| 蜜臀久久99精品久久宅男| 制服诱惑二区| 国产精品成人在线| 蜜臀久久99精品久久宅男| 大香蕉久久成人网| 中文天堂在线官网| 伊人亚洲综合成人网| freevideosex欧美| 3wmmmm亚洲av在线观看| 成年美女黄网站色视频大全免费 | 亚洲精品乱码久久久久久按摩| videosex国产| 成人免费观看视频高清| 亚洲欧美精品自产自拍| 欧美日韩成人在线一区二区| 国产片内射在线| 亚洲综合色网址| 精品久久久久久久久av| 人人澡人人妻人| 校园人妻丝袜中文字幕| 大片免费播放器 马上看| 色婷婷久久久亚洲欧美| 最近2019中文字幕mv第一页| 欧美 日韩 精品 国产| 乱码一卡2卡4卡精品| 午夜免费男女啪啪视频观看| 欧美老熟妇乱子伦牲交| 久久精品人人爽人人爽视色| 一级毛片黄色毛片免费观看视频| 亚洲成色77777| 久久99一区二区三区| 如日韩欧美国产精品一区二区三区 | 精品一区二区三卡| 久久精品熟女亚洲av麻豆精品| 少妇的逼水好多| 麻豆成人av视频| 亚洲第一区二区三区不卡| 国产精品国产三级专区第一集| 欧美日韩在线观看h| 日本vs欧美在线观看视频| 高清av免费在线| 欧美日韩视频高清一区二区三区二| 嫩草影院入口| 久久人人爽人人片av| 欧美丝袜亚洲另类| 成年av动漫网址| 日韩精品免费视频一区二区三区 | 最后的刺客免费高清国语| 在线免费观看不下载黄p国产| 欧美成人精品欧美一级黄| 新久久久久国产一级毛片| tube8黄色片| 成人综合一区亚洲| 久久精品国产亚洲av涩爱| 夫妻性生交免费视频一级片| 99国产综合亚洲精品| 汤姆久久久久久久影院中文字幕| 国产一区二区在线观看日韩| 菩萨蛮人人尽说江南好唐韦庄| 18禁裸乳无遮挡动漫免费视频| 久久午夜综合久久蜜桃| 亚洲高清免费不卡视频| 成人手机av| 日本-黄色视频高清免费观看| 亚洲精品乱码久久久久久按摩| 久久久久精品久久久久真实原创| 国产一区二区在线观看av| 一级a做视频免费观看| 亚洲精品国产色婷婷电影| 日日摸夜夜添夜夜爱| 午夜激情av网站| 九九爱精品视频在线观看| 午夜免费观看性视频| 国产精品一区二区三区四区免费观看| 日日摸夜夜添夜夜添av毛片| 午夜视频国产福利| 亚洲丝袜综合中文字幕| 国产精品.久久久| 91午夜精品亚洲一区二区三区| 男人操女人黄网站| 久久精品久久久久久噜噜老黄| 国产一区亚洲一区在线观看| 国产av国产精品国产| 一二三四中文在线观看免费高清| 久久午夜福利片| 精品一区二区三区视频在线| 超碰97精品在线观看| 丝袜喷水一区| 国产精品国产av在线观看| 国产在线一区二区三区精| 日韩一区二区视频免费看| 大香蕉久久网| 国产成人精品在线电影| 五月开心婷婷网| 成人毛片60女人毛片免费| 在线观看免费日韩欧美大片 | 日日摸夜夜添夜夜爱| 午夜91福利影院| 久久久久网色| 亚洲av综合色区一区| 青春草视频在线免费观看| 久久精品国产亚洲av涩爱| 日本-黄色视频高清免费观看| 超色免费av| 桃花免费在线播放| 黑人欧美特级aaaaaa片| 最近手机中文字幕大全| 国产无遮挡羞羞视频在线观看| av在线老鸭窝| 欧美激情极品国产一区二区三区 | 精品一区二区三卡| 久久久久久久久久成人| 亚洲成色77777| 欧美日韩精品成人综合77777| 中文精品一卡2卡3卡4更新| 亚洲成人手机| 久久久精品免费免费高清| 免费大片黄手机在线观看| 国产成人精品无人区| 国产欧美日韩综合在线一区二区| 国产精品欧美亚洲77777| 最后的刺客免费高清国语| 在线亚洲精品国产二区图片欧美 | 99久久中文字幕三级久久日本| 亚洲内射少妇av| 亚洲国产精品专区欧美| 久久综合国产亚洲精品| 久久久精品94久久精品| 综合色丁香网| 老司机亚洲免费影院| 欧美 日韩 精品 国产| 一级毛片aaaaaa免费看小| 免费观看在线日韩| 少妇被粗大猛烈的视频| 黑人猛操日本美女一级片| xxxhd国产人妻xxx| 国产片特级美女逼逼视频| 久久久久久人妻| 久久亚洲国产成人精品v| 你懂的网址亚洲精品在线观看| av福利片在线| 丰满迷人的少妇在线观看| 亚洲五月色婷婷综合| 在线观看一区二区三区激情| 99视频精品全部免费 在线| 69精品国产乱码久久久| 成人影院久久| 在线免费观看不下载黄p国产| av黄色大香蕉| 国产在线视频一区二区| 狠狠婷婷综合久久久久久88av| 亚洲美女视频黄频| 日韩三级伦理在线观看| 国精品久久久久久国模美| 亚洲国产精品成人久久小说| 亚洲不卡免费看| 亚洲精品美女久久av网站| 男的添女的下面高潮视频| 少妇人妻久久综合中文| 18禁在线播放成人免费| 狂野欧美白嫩少妇大欣赏| 大又大粗又爽又黄少妇毛片口| 国产熟女欧美一区二区| 少妇被粗大猛烈的视频| 国产精品一区二区在线不卡| 国产老妇伦熟女老妇高清| 亚洲少妇的诱惑av| 日本黄色日本黄色录像| av在线观看视频网站免费| 久久久精品94久久精品| 亚洲国产色片| 少妇精品久久久久久久| 亚洲av二区三区四区| 亚洲熟女精品中文字幕| 人人澡人人妻人| 国产亚洲精品久久久com| 熟妇人妻不卡中文字幕| 亚洲在久久综合| 91国产中文字幕| 97在线视频观看| 熟女人妻精品中文字幕| h视频一区二区三区| 欧美三级亚洲精品| 夫妻午夜视频| 免费看av在线观看网站| 成人亚洲精品一区在线观看| 国产国拍精品亚洲av在线观看| 最近2019中文字幕mv第一页| 精品视频人人做人人爽| 久久99精品国语久久久| 我的女老师完整版在线观看| 91在线精品国自产拍蜜月| 99久久精品国产国产毛片| 久久久久久久久久久丰满| 人人妻人人澡人人爽人人夜夜| 男的添女的下面高潮视频| 中国三级夫妇交换| 大香蕉97超碰在线| 久久久a久久爽久久v久久| 全区人妻精品视频| 色吧在线观看| 国产免费一区二区三区四区乱码| 乱人伦中国视频| 国产一区二区三区综合在线观看 | 欧美激情 高清一区二区三区| 天天躁夜夜躁狠狠久久av| 亚洲欧洲日产国产| 国产老妇伦熟女老妇高清| 亚洲三级黄色毛片| 欧美三级亚洲精品| 亚州av有码| 国产精品久久久久久av不卡| 三上悠亚av全集在线观看| 国产探花极品一区二区| 哪个播放器可以免费观看大片| av在线播放精品| 在线亚洲精品国产二区图片欧美 | 国产亚洲欧美精品永久| 国产片特级美女逼逼视频| 黄色欧美视频在线观看| 91久久精品电影网| 一级毛片电影观看| av女优亚洲男人天堂| 国产免费又黄又爽又色| 免费观看在线日韩| 成人国产av品久久久| 97超碰精品成人国产| 欧美日韩视频精品一区| 国内精品宾馆在线| a级片在线免费高清观看视频| 精品国产露脸久久av麻豆| 国产伦精品一区二区三区视频9| 黄色毛片三级朝国网站| 成年av动漫网址| 看非洲黑人一级黄片| 色视频在线一区二区三区| 国产亚洲一区二区精品| 伊人久久精品亚洲午夜| 18在线观看网站| 成人漫画全彩无遮挡| 亚洲精品中文字幕在线视频| 99国产精品免费福利视频| 午夜av观看不卡| 亚洲精品av麻豆狂野| 亚洲精品乱码久久久v下载方式| 国产精品一区二区三区四区免费观看| 久久精品国产自在天天线| 精品卡一卡二卡四卡免费| 国产日韩欧美亚洲二区| 国产成人精品久久久久久| 国产一区亚洲一区在线观看| 老司机影院成人| 夜夜爽夜夜爽视频| 欧美精品人与动牲交sv欧美| 色哟哟·www| 中文乱码字字幕精品一区二区三区| 国产成人精品一,二区| 大话2 男鬼变身卡| 亚洲内射少妇av| 最近的中文字幕免费完整| 高清视频免费观看一区二区| 中文欧美无线码| 777米奇影视久久| 婷婷色麻豆天堂久久| 欧美亚洲日本最大视频资源| 亚洲国产精品专区欧美| 18在线观看网站| 午夜福利在线观看免费完整高清在| 中文天堂在线官网| 亚洲美女视频黄频| 丰满少妇做爰视频| 亚洲丝袜综合中文字幕| 国产黄频视频在线观看| 亚洲精品国产色婷婷电影| 亚洲成人一二三区av| 久久久国产精品麻豆| 色吧在线观看| 在线免费观看不下载黄p国产| 亚洲,欧美,日韩| 99热国产这里只有精品6| 美女cb高潮喷水在线观看| 久热这里只有精品99| 欧美日韩视频精品一区| 一本久久精品| 日韩成人伦理影院| 亚洲美女黄色视频免费看| 精品国产国语对白av| 国产淫语在线视频| 国产精品一国产av| 国语对白做爰xxxⅹ性视频网站| 免费少妇av软件| 如日韩欧美国产精品一区二区三区 | 九草在线视频观看| 18在线观看网站| 色婷婷av一区二区三区视频| 亚洲国产欧美在线一区| 青青草视频在线视频观看| 国产老妇伦熟女老妇高清| 极品少妇高潮喷水抽搐| 欧美日本中文国产一区发布| 这个男人来自地球电影免费观看 | 乱码一卡2卡4卡精品| 人妻一区二区av| 精品人妻偷拍中文字幕| 亚洲国产精品专区欧美| 美女福利国产在线| 午夜免费观看性视频| 五月伊人婷婷丁香| 老司机影院成人| 国产伦理片在线播放av一区| 日本vs欧美在线观看视频| 人妻系列 视频| 久久久久久久久久人人人人人人| 国产亚洲最大av| 国产色爽女视频免费观看| 久久精品国产自在天天线| 日韩亚洲欧美综合| 一个人看视频在线观看www免费| 又粗又硬又长又爽又黄的视频| 妹子高潮喷水视频| 久久女婷五月综合色啪小说| 国产片内射在线| 国产色婷婷99| av免费观看日本| 中文乱码字字幕精品一区二区三区| 精品少妇黑人巨大在线播放| 国产欧美日韩综合在线一区二区| 五月天丁香电影| 精品少妇黑人巨大在线播放| 菩萨蛮人人尽说江南好唐韦庄| 人妻少妇偷人精品九色| 十八禁网站网址无遮挡| 国产精品免费大片| 国产爽快片一区二区三区| 交换朋友夫妻互换小说| 亚洲精品av麻豆狂野| 日韩视频在线欧美| 日本与韩国留学比较| 成人无遮挡网站| 亚洲精华国产精华液的使用体验| 99久久中文字幕三级久久日本| 99热全是精品| 免费大片黄手机在线观看| 亚洲精品久久久久久婷婷小说| 亚洲国产欧美在线一区| 欧美 日韩 精品 国产| 精品人妻偷拍中文字幕| 一级毛片我不卡| 欧美激情国产日韩精品一区| 亚洲伊人久久精品综合| 免费看av在线观看网站| 国产成人精品久久久久久| 少妇猛男粗大的猛烈进出视频| 成人午夜精彩视频在线观看| 最黄视频免费看| 亚洲欧美中文字幕日韩二区| 夫妻性生交免费视频一级片| 色视频在线一区二区三区| 一区二区三区四区激情视频| 亚洲av成人精品一区久久| 欧美日韩精品成人综合77777| 人妻少妇偷人精品九色| 色网站视频免费| 国产精品一区二区在线不卡| 亚洲欧美色中文字幕在线| 日韩精品有码人妻一区| 在线免费观看不下载黄p国产| 国产男女超爽视频在线观看| 免费大片18禁| 青春草视频在线免费观看| 久久精品国产自在天天线| 午夜激情福利司机影院| 熟女电影av网| av在线播放精品| 欧美老熟妇乱子伦牲交| 精品久久蜜臀av无| 亚洲人成网站在线播| 久久久久久久久久久久大奶| 18禁在线无遮挡免费观看视频| 国产精品国产av在线观看| 桃花免费在线播放| 久久精品久久久久久久性| 亚洲欧美精品自产自拍| 91精品国产国语对白视频| 色5月婷婷丁香| 少妇的逼好多水| 久久精品国产a三级三级三级| freevideosex欧美| 99久久精品国产国产毛片| 伦理电影大哥的女人| 国产综合精华液| 赤兔流量卡办理| 亚洲综合色网址| 涩涩av久久男人的天堂| 国产熟女午夜一区二区三区 | 久久国产精品大桥未久av| xxxhd国产人妻xxx| 日韩成人伦理影院| 最新中文字幕久久久久| 热re99久久精品国产66热6| 纵有疾风起免费观看全集完整版| 亚洲国产最新在线播放| 伦精品一区二区三区| 激情五月婷婷亚洲| 免费少妇av软件| 成人国语在线视频| 国产深夜福利视频在线观看| 免费观看a级毛片全部| 国产视频内射| 亚洲精品久久久久久婷婷小说| 下体分泌物呈黄色| 日本黄大片高清| 国产在视频线精品| www.av在线官网国产| 日韩中文字幕视频在线看片| 国产在线一区二区三区精| 一区在线观看完整版| 亚洲精品第二区| 久久99一区二区三区| 国产在视频线精品| 久久国产精品大桥未久av| 国产av国产精品国产| 日韩,欧美,国产一区二区三区| 黑人猛操日本美女一级片| 欧美亚洲日本最大视频资源| 国产精品成人在线| 国产精品国产三级国产专区5o| 亚洲精品自拍成人| 欧美xxxx性猛交bbbb| 最新的欧美精品一区二区| 日韩 亚洲 欧美在线| 天天躁夜夜躁狠狠久久av| a 毛片基地| av网站免费在线观看视频| 老司机影院成人| 天堂中文最新版在线下载| 插阴视频在线观看视频| 亚洲人成77777在线视频| 久久韩国三级中文字幕| 欧美日本中文国产一区发布| 国产成人av激情在线播放 | 亚洲精品一二三| av又黄又爽大尺度在线免费看| 国产日韩欧美亚洲二区| 超色免费av| 国产亚洲精品久久久com| 人妻制服诱惑在线中文字幕| 亚洲情色 制服丝袜| 91精品一卡2卡3卡4卡| 伦理电影免费视频| 午夜福利视频在线观看免费| 成人国语在线视频| 涩涩av久久男人的天堂| 99久久中文字幕三级久久日本| 亚洲少妇的诱惑av| 九九久久精品国产亚洲av麻豆| 亚洲美女搞黄在线观看| 国产欧美日韩综合在线一区二区| 18禁动态无遮挡网站| 国产欧美日韩综合在线一区二区| 美女视频免费永久观看网站| 五月伊人婷婷丁香| 99热这里只有精品一区| 国产一区二区在线观看av| 女的被弄到高潮叫床怎么办| 免费播放大片免费观看视频在线观看| 中文字幕制服av| 69精品国产乱码久久久| 三上悠亚av全集在线观看| 久久久久精品久久久久真实原创| 亚洲精品乱码久久久v下载方式| 美女国产视频在线观看| 午夜影院在线不卡| 久久人人爽人人爽人人片va| 日韩电影二区| √禁漫天堂资源中文www| 国产av一区二区精品久久| 中国国产av一级| 一个人看视频在线观看www免费| 国产黄片视频在线免费观看| 欧美日本中文国产一区发布| 高清不卡的av网站| 亚洲成色77777| 国产精品久久久久成人av| 成人毛片a级毛片在线播放| 午夜激情福利司机影院| 日本与韩国留学比较| 如何舔出高潮| 亚洲国产av新网站| 午夜福利视频在线观看免费| 国产成人精品婷婷| 国产精品国产av在线观看| 国产成人av激情在线播放 | 日本av免费视频播放| 午夜精品国产一区二区电影| 草草在线视频免费看| 久久久a久久爽久久v久久| 亚州av有码| 国产免费又黄又爽又色| 午夜久久久在线观看| 欧美老熟妇乱子伦牲交| av国产精品久久久久影院| videosex国产| 免费日韩欧美在线观看| 久久久久久久久久久久大奶| 韩国av在线不卡|