• <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 ?

    一種基于結(jié)構(gòu)光雙目視覺的特征匹配算法研究

    2014-07-08 20:37:34劉瑜劉纏牢蘇海
    光學(xué)儀器 2014年2期

    劉瑜+劉纏牢++蘇海

    文章編號: 10055630(2014)02016106

    收稿日期: 20130927

    摘要: 特征點匹配在圖像檢索、三維測量、模式識別等技術(shù)中起著重要的作用。使用MATLAB軟件剪切圖像并細(xì)化線結(jié)構(gòu)光光線條紋。經(jīng)理論分析SURF算法優(yōu)缺點,提出了一種基于SURF算法特征點提取的改進(jìn)算法。用C語言編寫改進(jìn)后的特征提取算法,通過MATLAB軟件實驗對比兩種算法的特征點提取結(jié)果并且編寫程序?qū)崿F(xiàn)后期的特征匹配。實驗表明:該算法基本滿足雙目視覺立體匹配的要求,對于線結(jié)構(gòu)光三維測量技術(shù)具有重要的理論意義和實用價值。

    關(guān)鍵詞: 結(jié)構(gòu)光; 雙目視覺; 立體匹配算法

    中圖分類號: TP 391文獻(xiàn)標(biāo)志碼: Adoi: 10.3969/j.issn.10055630.2014.02.015

    Research on matching algorithm based on

    structured light binocular vision feature

    LIU Yu, LIU Chanlao, SU Hai

    (School of Optoelectronic Engineering, Xian Technological University, Xian 710032, China)

    Abstract: Matching feature points play an important role in image retrieval, dimensional measurement and pattern recognition technology. By using the MATLAB software shear thinning line structured light image and light stripes, and through theoretical analysis of the advantages and disadvantages of SURF algorithm, this article proposes the SURF algorithm which based on feature points extraction algorithm. Through C language improved feature extraction algorithm, MATLAB software experimental comparison of the two algorithms feature point extraction results and preparation program features the late match. Experiments show that the algorithm basically meets the requirements of binocular vision stereo matching, and linear structured light for threedimensional measurement technique has important theoretical significance and practical value.

    Key words: structured light; binocular vision; stereo matching algorithm

    引言雙目立體視覺是利用雙目攝像機(jī)模擬生物的視覺特征,獲取物體表面的三維信息,從而還原物體外表面的幾何形貌。如今,基于雙目立體視覺的技術(shù),結(jié)構(gòu)光三維測量技術(shù)作為一種快速、便攜、高精度的三維測量技術(shù),在工業(yè)設(shè)計、航空等領(lǐng)域均得到了廣泛的應(yīng)用,已成為一種成熟的三維數(shù)據(jù)獲取和質(zhì)量評價與控制手段[1]。在結(jié)構(gòu)光雙目視覺技術(shù)中,由于不同視覺所獲取信息的不完備性和不同應(yīng)用中的復(fù)雜性,立體匹配成為立體視覺技術(shù)中最重要也是最難以處理的問題之一[2]。現(xiàn)今,立體匹配方法有多種。特征的選取跟圖像的內(nèi)容有關(guān),對結(jié)構(gòu)光匹配目前常用的是相位匹配方法,但是相位匹配一般是針對核線平行而言,雖然將空間域轉(zhuǎn)化為時間域,可同樣存在鄰域奇異性,匹配誤差較大[3]?;趨^(qū)域立體匹配方法,可以得到稠密的視差圖,其缺點是在低紋理區(qū)域或紋理相似區(qū)域容易造成大量的誤匹配,邊界模糊,視差圖效果不理想[46],計算量大,運算時間較長?;谔卣鼽c的立體匹配方法,能夠精確的匹配,視差效果明顯,但是只能獲得稀疏的匹配點,所以僅能勾勒物體的大致輪廓,不能呈現(xiàn)物體的細(xì)節(jié)部分,也不能得到稠密的視差圖[7]。針對特征匹配只能得到稀疏點數(shù)的缺點,本文提出了一種改進(jìn)的特征點提取算法,在不影響匹配速度的情況下,匹配更多的特征點對,并且有效地減少了誤匹配率。光學(xué)儀器第36卷

    第2期劉瑜,等:一種基于結(jié)構(gòu)光雙目視覺的特征匹配算法研究

    1立體匹配關(guān)鍵技術(shù)雙目立體匹配的方法是從左右視角兩個攝像機(jī)拍攝同一物體的兩幅圖像中找出被測元件表面同一點在不同圖像中的對應(yīng)點,進(jìn)而求出各個點對應(yīng)的視差,再由視差信息和投影模型還原出原始物體形貌的深度信息[89],最終得到三維表面形貌。因此,圖像的立體匹配是三維重建的關(guān)鍵環(huán)節(jié),也是立體視覺尤其是三維重建的重要研究內(nèi)容。關(guān)于立體匹配方法研究重點具體有兩方面:算法魯棒性和計算速度。(1)算法魯棒性:三維重建過程與投影過程是互逆的,圖像經(jīng)三維投影到二維空間,三維的深度信息丟失。從二維圖像恢復(fù)至三維模型,對應(yīng)匹配點可能會出現(xiàn)一對一或多對一的情況,導(dǎo)致唯一性失效,此外成像過程中如噪聲、遮擋、光照變化等干擾都會造成匹配誤差??梢酝ㄟ^對原有算法改進(jìn)或引入新算法來提高準(zhǔn)確性。(2)計算速度:立體匹配是在左、右兩幅圖像中搜索對應(yīng)點對的過程。所以,提高計算速度需要解決搜索策略問題如極線約束[10]的使用可以將二維搜索降到一維搜索;視差約束也可以通過降低搜索范圍方式提高計算速度。2特征點匹配算法的改進(jìn)特征匹配分為特征點的提取和特征點的匹配兩個過程。首先對兩幅圖像分別提取特征點,根據(jù)特征點的相似程度匹配特征點對,并根據(jù)各自點的灰度信息得到匹配視差圖。因此,特征點提取的準(zhǔn)確程度和數(shù)量直接影響后期的匹配,從而影響整個立體匹配的精度和效率。所以,如何快速有效地提取特征點是本文重點解決的問題。根據(jù)本實驗采集5組圖片(任選一組左右視圖如圖1所示),將三線激光器投影到被測物體表面,CCD采集得到左右兩幅圖像。本文通過對圖像進(jìn)行預(yù)處理,減少圖像噪聲以及測量環(huán)境對光條中心提取的不良影響。(1)圖像剪切:首先為了確保圖像處理速度,在進(jìn)行結(jié)構(gòu)光光條圖像處理時,只剪切包含光條在內(nèi)的一小部分圖像進(jìn)行處理,而不是對整幅圖像都進(jìn)行處理,如此可以大大地減少運算量,提高檢測效率。(2)圖像濾波:為了抑制噪聲、改善圖像質(zhì)量,要對圖像進(jìn)行濾波處理。本文采用中值濾波能較好地去除孤立噪聲點,如圖2所示。

    2.1基于SURF算子的特征點提取常用的特征點檢測方法有Harris角點檢測,SUSANA,HessianLaplace,強(qiáng)角點檢測等。但是它們?nèi)秉c是不能適應(yīng)圖像的尺度變化,對于不同尺度的圖像,無法建立相應(yīng)特征點的關(guān)系。SURF是一種尺度不變和旋轉(zhuǎn)不變的特征點檢測算法,具有速度快,魯棒性好的特點,針對特征點對的提取數(shù)量較少這一不足,本文通過算法上的改進(jìn),來提高匹配效率。

    圖1原始圖像對

    Fig.1Untreated images圖2圖像預(yù)處理

    Fig.2Preprocessed image

    SURF算法就是利用積分圖像的加減運算來實現(xiàn)圖像與高斯二階微分模板的卷積運算,積分圖像是由Viola和Jones[11]提出,很大程度上簡化了計算時間。積分圖像中任一點(i,j)的值ii(i,j),用原圖像左上角的任一點(i,j)相應(yīng)的對角線區(qū)域灰度值的和表示,ii(i,j)=∑i′≤i,j′≤jp(i′,j′)(1)圖3SURF算子提取效果圖

    Fig.3SURF operator extraction effect image式中,p(i′,j′)表示原始圖像點(i′,j′)的灰度值,ii(i,j)可以用如下迭代式計算得到,S(i,j)=S(i,j-1)+p(i,j)(2)

    ii(i,j)=ii(i-1,j)+S(i,j)(3)式中,S(i,j)表示一列的積分,并且S(i,-1)=0,ii(-1,j)=0。需要積分圖像時,只需對原始圖像的所有像素掃描一遍。用MATLAB軟件對濾波后的圖像進(jìn)行處理,結(jié)果如圖3所示。

    2.2基于SURF算法的改進(jìn)由于結(jié)構(gòu)光光學(xué)條紋能實現(xiàn)圖像對的立體匹配、還原三維結(jié)構(gòu),因此需要快速地提取結(jié)構(gòu)光條紋,才能提高立體匹配的匹配速率。通過對圖像的剪切和中線條紋提取,可在很大程度上降低后期立體匹配時間,進(jìn)而提高匹配效率。(1)均衡化與二值化由于結(jié)構(gòu)光光條圖像正是屬于待測對象(結(jié)構(gòu)光光條),與背景有較強(qiáng)對比度的圖像,所以二值化對結(jié)構(gòu)光光條圖像是特別有效的,它能有效地分離光條目標(biāo)區(qū)域與背景區(qū)域,減少計算量,提高處理速率。在二值化之前需要突出感興趣的部分,因此提前進(jìn)行直方圖均衡化,將灰度值低的感興趣部分顯現(xiàn)出來,提高處理精度。得到圖像對如圖3所示。(2)細(xì)化與骨架提取利用MATLAB函數(shù)庫中的細(xì)化函數(shù)對圖像進(jìn)行細(xì)化與骨骼提取,得到單像素的細(xì)線條紋,為后期匹配減少了運算量,縮短了匹配時間,提高匹配速率。經(jīng)過圖像預(yù)處理后得到立體圖像對,對圖像二值化結(jié)果如圖4所示,使得對比度得到明顯改善,再通過細(xì)化后得到的圖像對能夠較好地滿足后期立體匹配的要求,如圖5所示。

    2.2.1約束條件由于立體匹配是尋求同一空間景點在不同視角下投影圖像的像素間的一一對應(yīng)關(guān)系,因此立體匹配的實質(zhì)就是在某一匹配準(zhǔn)則下的最佳搜索。由于同一物體在不同視角下的圖像會有差異,而且場景中的很多因素,如光照條件,物體幾何形狀和物理特性、噪聲干擾等,都被綜合成單一的圖像中的灰度值。為解決這一問題,通常引入各種約束,將匹配限制在平滑解空間范圍內(nèi)。其約束條件如下:(1)極限約束:當(dāng)給定一點,它的匹配點一定出現(xiàn)在所對應(yīng)的極線上。如圖6所示,L1為點P2對應(yīng)的極線,L2為點P1對應(yīng)的極線,L1和L2互為極線。

    圖4二值化后立體圖像對

    Fig.4Binarized stereo image pair圖5條紋細(xì)化后立體圖像對

    Fig.5Thinning stripe stereo image pair

    圖6雙攝像機(jī)成像模型

    Fig.6Dualcamera imaging model(2)唯一性約束:指左圖像中的任何點在右圖像中最多一個點與之匹配,也就是說,無論是參考圖像還是目標(biāo)圖像,任何點都不能同時匹配兩個點。(3)順序約束:對于相似深度的表面,對應(yīng)的特征點一般以相同的次序落在極線上。(4)最大視差約束:視差范圍約束指參考圖像某個點的對應(yīng)點只能在一定的范圍內(nèi)搜索,也就是說,兩個匹配點橫坐標(biāo)相差必須小于某個最大視差閾值。

    2.2.2算法描述本文基于SURF特征點提取過程,首先選取3個正確的匹配點對,下一步的改進(jìn)提取算法如下:(1)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(2)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(3)得到新的基準(zhǔn)點(xi,yi+3);(4)對兩點(xi-10,yi+3),(xi+10,yi+3)間所有像素點進(jìn)行遍歷,判斷該像素點灰度值是否大于200,若是,則提取該特征點坐標(biāo)(xj,yi+3),保存該特征點并將該特征點作為新的基準(zhǔn)點;(5)重復(fù)執(zhí)行(2)(3)步,直到左右圖像都遍歷結(jié)束;(6)對得到的左右圖像特征點點集合進(jìn)行逐個對比,若同時滿足xi左-xj右≤3且yi左-yj右≤3則匹配成功,則得到的(xi左,yi左),(xj右,yj右)為匹配成功的特征點對。根據(jù)上述改進(jìn)算法,編寫C程序,對圖像處理,提取到34個特征點對,由于此方法提取得到的是特征點相對于原始圖像的坐標(biāo),因此,其坐標(biāo)數(shù)據(jù)顯示結(jié)果如圖7所示。圖7改進(jìn)SURF算法的特征點提取坐標(biāo)示意圖

    Fig.7The diagram of the improved SURF algorithm coordinates of the feature point extraction圖8W窗口內(nèi)像素灰度和的計算

    Fig.8W window pixel grayscale and calculations

    圖9特征點匹配算法流程圖

    Fig.9Feature point matching algorithm flowchart

    圖10改進(jìn)SURF算法的特征匹配視差圖

    Fig.10Feature point matching algorithm floechart

    2.3特征點的匹配根據(jù)這幾個約束條件根據(jù)選取映射函數(shù),對映射值取值,再判斷映射點是否滿足條件,滿足后,根據(jù)雙線性插值對圖像進(jìn)行插值,將插值之后和原始圖像進(jìn)行組合,得到匹配視差圖。求窗口W內(nèi)的像素灰度值時,W的大小可通過積分圖像的4個相應(yīng)點(i1,j1)、(i2,j2)、(i3,j3)、(i4,j4)的值計算得到,如圖8所示,即窗口的像素灰度和與窗口尺寸無關(guān)。窗口W內(nèi)的像素灰度和為:∑w=ii(i4,j4)-ii(i2,j2)-

    ii(i3,j3)+ii(i1,j1)(4)通過該算法,結(jié)合改進(jìn)的SURF算法提取到的特征點對,設(shè)置匹配算法流程如圖9所示,在MATLAB圖形處理軟件中,采用C語言編程實現(xiàn)。處理得到特征匹配的視差圖,如圖10所示。3實驗及結(jié)果分析結(jié)合MATLAB軟件,對經(jīng)過預(yù)處理得到的圖像進(jìn)行SURF特征點提取匹配得到29對特征點,再選取其中匹配正確的特征點對10對設(shè)為基準(zhǔn),再根據(jù)匹配約束條件共選取得到34對特征點,并與相應(yīng)的SURF測量結(jié)果比較(見表1)。從測量結(jié)果可以看出,改進(jìn)后的SURF特征點提取算法運行時間較SURF特征點提取匹配時間增加了0.12 s。 但是誤匹配率卻降低了約36.5%,匹配成功率得到了明顯改善。通過對多幅圖像對試驗驗證,匹配時間增加為0.2 s左右,而誤匹配率均降低為40%左右,因此該方案具有可行性。由于前期對圖像的剪切和結(jié)構(gòu)光線細(xì)化結(jié)果中,大量減少了特征提取圖像的像素數(shù),從而縮短了整體匹配的運行時間。因此,本文對于匹配算法的改進(jìn)中,又進(jìn)一步完善了基于改進(jìn)SURF算子的特征匹配算法。表1特征點提取算法實驗結(jié)果比較

    Tab.1Feature point extraction algorithm experimental results

    特征點提取方法提取特征點對數(shù)誤匹配對數(shù)誤匹配率/%匹配時間/sSURF特征點提取291862.072.19SURF算法的改進(jìn)34926.472.23

    圖1原始圖像對

    Fig.1Untreated images圖2圖像預(yù)處理

    Fig.2Preprocessed image

    SURF算法就是利用積分圖像的加減運算來實現(xiàn)圖像與高斯二階微分模板的卷積運算,積分圖像是由Viola和Jones[11]提出,很大程度上簡化了計算時間。積分圖像中任一點(i,j)的值ii(i,j),用原圖像左上角的任一點(i,j)相應(yīng)的對角線區(qū)域灰度值的和表示,ii(i,j)=∑i′≤i,j′≤jp(i′,j′)(1)圖3SURF算子提取效果圖

    Fig.3SURF operator extraction effect image式中,p(i′,j′)表示原始圖像點(i′,j′)的灰度值,ii(i,j)可以用如下迭代式計算得到,S(i,j)=S(i,j-1)+p(i,j)(2)

    ii(i,j)=ii(i-1,j)+S(i,j)(3)式中,S(i,j)表示一列的積分,并且S(i,-1)=0,ii(-1,j)=0。需要積分圖像時,只需對原始圖像的所有像素掃描一遍。用MATLAB軟件對濾波后的圖像進(jìn)行處理,結(jié)果如圖3所示。

    2.2基于SURF算法的改進(jìn)由于結(jié)構(gòu)光光學(xué)條紋能實現(xiàn)圖像對的立體匹配、還原三維結(jié)構(gòu),因此需要快速地提取結(jié)構(gòu)光條紋,才能提高立體匹配的匹配速率。通過對圖像的剪切和中線條紋提取,可在很大程度上降低后期立體匹配時間,進(jìn)而提高匹配效率。(1)均衡化與二值化由于結(jié)構(gòu)光光條圖像正是屬于待測對象(結(jié)構(gòu)光光條),與背景有較強(qiáng)對比度的圖像,所以二值化對結(jié)構(gòu)光光條圖像是特別有效的,它能有效地分離光條目標(biāo)區(qū)域與背景區(qū)域,減少計算量,提高處理速率。在二值化之前需要突出感興趣的部分,因此提前進(jìn)行直方圖均衡化,將灰度值低的感興趣部分顯現(xiàn)出來,提高處理精度。得到圖像對如圖3所示。(2)細(xì)化與骨架提取利用MATLAB函數(shù)庫中的細(xì)化函數(shù)對圖像進(jìn)行細(xì)化與骨骼提取,得到單像素的細(xì)線條紋,為后期匹配減少了運算量,縮短了匹配時間,提高匹配速率。經(jīng)過圖像預(yù)處理后得到立體圖像對,對圖像二值化結(jié)果如圖4所示,使得對比度得到明顯改善,再通過細(xì)化后得到的圖像對能夠較好地滿足后期立體匹配的要求,如圖5所示。

    2.2.1約束條件由于立體匹配是尋求同一空間景點在不同視角下投影圖像的像素間的一一對應(yīng)關(guān)系,因此立體匹配的實質(zhì)就是在某一匹配準(zhǔn)則下的最佳搜索。由于同一物體在不同視角下的圖像會有差異,而且場景中的很多因素,如光照條件,物體幾何形狀和物理特性、噪聲干擾等,都被綜合成單一的圖像中的灰度值。為解決這一問題,通常引入各種約束,將匹配限制在平滑解空間范圍內(nèi)。其約束條件如下:(1)極限約束:當(dāng)給定一點,它的匹配點一定出現(xiàn)在所對應(yīng)的極線上。如圖6所示,L1為點P2對應(yīng)的極線,L2為點P1對應(yīng)的極線,L1和L2互為極線。

    圖4二值化后立體圖像對

    Fig.4Binarized stereo image pair圖5條紋細(xì)化后立體圖像對

    Fig.5Thinning stripe stereo image pair

    圖6雙攝像機(jī)成像模型

    Fig.6Dualcamera imaging model(2)唯一性約束:指左圖像中的任何點在右圖像中最多一個點與之匹配,也就是說,無論是參考圖像還是目標(biāo)圖像,任何點都不能同時匹配兩個點。(3)順序約束:對于相似深度的表面,對應(yīng)的特征點一般以相同的次序落在極線上。(4)最大視差約束:視差范圍約束指參考圖像某個點的對應(yīng)點只能在一定的范圍內(nèi)搜索,也就是說,兩個匹配點橫坐標(biāo)相差必須小于某個最大視差閾值。

    2.2.2算法描述本文基于SURF特征點提取過程,首先選取3個正確的匹配點對,下一步的改進(jìn)提取算法如下:(1)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(2)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(3)得到新的基準(zhǔn)點(xi,yi+3);(4)對兩點(xi-10,yi+3),(xi+10,yi+3)間所有像素點進(jìn)行遍歷,判斷該像素點灰度值是否大于200,若是,則提取該特征點坐標(biāo)(xj,yi+3),保存該特征點并將該特征點作為新的基準(zhǔn)點;(5)重復(fù)執(zhí)行(2)(3)步,直到左右圖像都遍歷結(jié)束;(6)對得到的左右圖像特征點點集合進(jìn)行逐個對比,若同時滿足xi左-xj右≤3且yi左-yj右≤3則匹配成功,則得到的(xi左,yi左),(xj右,yj右)為匹配成功的特征點對。根據(jù)上述改進(jìn)算法,編寫C程序,對圖像處理,提取到34個特征點對,由于此方法提取得到的是特征點相對于原始圖像的坐標(biāo),因此,其坐標(biāo)數(shù)據(jù)顯示結(jié)果如圖7所示。圖7改進(jìn)SURF算法的特征點提取坐標(biāo)示意圖

    Fig.7The diagram of the improved SURF algorithm coordinates of the feature point extraction圖8W窗口內(nèi)像素灰度和的計算

    Fig.8W window pixel grayscale and calculations

    圖9特征點匹配算法流程圖

    Fig.9Feature point matching algorithm flowchart

    圖10改進(jìn)SURF算法的特征匹配視差圖

    Fig.10Feature point matching algorithm floechart

    2.3特征點的匹配根據(jù)這幾個約束條件根據(jù)選取映射函數(shù),對映射值取值,再判斷映射點是否滿足條件,滿足后,根據(jù)雙線性插值對圖像進(jìn)行插值,將插值之后和原始圖像進(jìn)行組合,得到匹配視差圖。求窗口W內(nèi)的像素灰度值時,W的大小可通過積分圖像的4個相應(yīng)點(i1,j1)、(i2,j2)、(i3,j3)、(i4,j4)的值計算得到,如圖8所示,即窗口的像素灰度和與窗口尺寸無關(guān)。窗口W內(nèi)的像素灰度和為:∑w=ii(i4,j4)-ii(i2,j2)-

    ii(i3,j3)+ii(i1,j1)(4)通過該算法,結(jié)合改進(jìn)的SURF算法提取到的特征點對,設(shè)置匹配算法流程如圖9所示,在MATLAB圖形處理軟件中,采用C語言編程實現(xiàn)。處理得到特征匹配的視差圖,如圖10所示。3實驗及結(jié)果分析結(jié)合MATLAB軟件,對經(jīng)過預(yù)處理得到的圖像進(jìn)行SURF特征點提取匹配得到29對特征點,再選取其中匹配正確的特征點對10對設(shè)為基準(zhǔn),再根據(jù)匹配約束條件共選取得到34對特征點,并與相應(yīng)的SURF測量結(jié)果比較(見表1)。從測量結(jié)果可以看出,改進(jìn)后的SURF特征點提取算法運行時間較SURF特征點提取匹配時間增加了0.12 s。 但是誤匹配率卻降低了約36.5%,匹配成功率得到了明顯改善。通過對多幅圖像對試驗驗證,匹配時間增加為0.2 s左右,而誤匹配率均降低為40%左右,因此該方案具有可行性。由于前期對圖像的剪切和結(jié)構(gòu)光線細(xì)化結(jié)果中,大量減少了特征提取圖像的像素數(shù),從而縮短了整體匹配的運行時間。因此,本文對于匹配算法的改進(jìn)中,又進(jìn)一步完善了基于改進(jìn)SURF算子的特征匹配算法。表1特征點提取算法實驗結(jié)果比較

    Tab.1Feature point extraction algorithm experimental results

    特征點提取方法提取特征點對數(shù)誤匹配對數(shù)誤匹配率/%匹配時間/sSURF特征點提取291862.072.19SURF算法的改進(jìn)34926.472.23

    圖1原始圖像對

    Fig.1Untreated images圖2圖像預(yù)處理

    Fig.2Preprocessed image

    SURF算法就是利用積分圖像的加減運算來實現(xiàn)圖像與高斯二階微分模板的卷積運算,積分圖像是由Viola和Jones[11]提出,很大程度上簡化了計算時間。積分圖像中任一點(i,j)的值ii(i,j),用原圖像左上角的任一點(i,j)相應(yīng)的對角線區(qū)域灰度值的和表示,ii(i,j)=∑i′≤i,j′≤jp(i′,j′)(1)圖3SURF算子提取效果圖

    Fig.3SURF operator extraction effect image式中,p(i′,j′)表示原始圖像點(i′,j′)的灰度值,ii(i,j)可以用如下迭代式計算得到,S(i,j)=S(i,j-1)+p(i,j)(2)

    ii(i,j)=ii(i-1,j)+S(i,j)(3)式中,S(i,j)表示一列的積分,并且S(i,-1)=0,ii(-1,j)=0。需要積分圖像時,只需對原始圖像的所有像素掃描一遍。用MATLAB軟件對濾波后的圖像進(jìn)行處理,結(jié)果如圖3所示。

    2.2基于SURF算法的改進(jìn)由于結(jié)構(gòu)光光學(xué)條紋能實現(xiàn)圖像對的立體匹配、還原三維結(jié)構(gòu),因此需要快速地提取結(jié)構(gòu)光條紋,才能提高立體匹配的匹配速率。通過對圖像的剪切和中線條紋提取,可在很大程度上降低后期立體匹配時間,進(jìn)而提高匹配效率。(1)均衡化與二值化由于結(jié)構(gòu)光光條圖像正是屬于待測對象(結(jié)構(gòu)光光條),與背景有較強(qiáng)對比度的圖像,所以二值化對結(jié)構(gòu)光光條圖像是特別有效的,它能有效地分離光條目標(biāo)區(qū)域與背景區(qū)域,減少計算量,提高處理速率。在二值化之前需要突出感興趣的部分,因此提前進(jìn)行直方圖均衡化,將灰度值低的感興趣部分顯現(xiàn)出來,提高處理精度。得到圖像對如圖3所示。(2)細(xì)化與骨架提取利用MATLAB函數(shù)庫中的細(xì)化函數(shù)對圖像進(jìn)行細(xì)化與骨骼提取,得到單像素的細(xì)線條紋,為后期匹配減少了運算量,縮短了匹配時間,提高匹配速率。經(jīng)過圖像預(yù)處理后得到立體圖像對,對圖像二值化結(jié)果如圖4所示,使得對比度得到明顯改善,再通過細(xì)化后得到的圖像對能夠較好地滿足后期立體匹配的要求,如圖5所示。

    2.2.1約束條件由于立體匹配是尋求同一空間景點在不同視角下投影圖像的像素間的一一對應(yīng)關(guān)系,因此立體匹配的實質(zhì)就是在某一匹配準(zhǔn)則下的最佳搜索。由于同一物體在不同視角下的圖像會有差異,而且場景中的很多因素,如光照條件,物體幾何形狀和物理特性、噪聲干擾等,都被綜合成單一的圖像中的灰度值。為解決這一問題,通常引入各種約束,將匹配限制在平滑解空間范圍內(nèi)。其約束條件如下:(1)極限約束:當(dāng)給定一點,它的匹配點一定出現(xiàn)在所對應(yīng)的極線上。如圖6所示,L1為點P2對應(yīng)的極線,L2為點P1對應(yīng)的極線,L1和L2互為極線。

    圖4二值化后立體圖像對

    Fig.4Binarized stereo image pair圖5條紋細(xì)化后立體圖像對

    Fig.5Thinning stripe stereo image pair

    圖6雙攝像機(jī)成像模型

    Fig.6Dualcamera imaging model(2)唯一性約束:指左圖像中的任何點在右圖像中最多一個點與之匹配,也就是說,無論是參考圖像還是目標(biāo)圖像,任何點都不能同時匹配兩個點。(3)順序約束:對于相似深度的表面,對應(yīng)的特征點一般以相同的次序落在極線上。(4)最大視差約束:視差范圍約束指參考圖像某個點的對應(yīng)點只能在一定的范圍內(nèi)搜索,也就是說,兩個匹配點橫坐標(biāo)相差必須小于某個最大視差閾值。

    2.2.2算法描述本文基于SURF特征點提取過程,首先選取3個正確的匹配點對,下一步的改進(jìn)提取算法如下:(1)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(2)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(3)得到新的基準(zhǔn)點(xi,yi+3);(4)對兩點(xi-10,yi+3),(xi+10,yi+3)間所有像素點進(jìn)行遍歷,判斷該像素點灰度值是否大于200,若是,則提取該特征點坐標(biāo)(xj,yi+3),保存該特征點并將該特征點作為新的基準(zhǔn)點;(5)重復(fù)執(zhí)行(2)(3)步,直到左右圖像都遍歷結(jié)束;(6)對得到的左右圖像特征點點集合進(jìn)行逐個對比,若同時滿足xi左-xj右≤3且yi左-yj右≤3則匹配成功,則得到的(xi左,yi左),(xj右,yj右)為匹配成功的特征點對。根據(jù)上述改進(jìn)算法,編寫C程序,對圖像處理,提取到34個特征點對,由于此方法提取得到的是特征點相對于原始圖像的坐標(biāo),因此,其坐標(biāo)數(shù)據(jù)顯示結(jié)果如圖7所示。圖7改進(jìn)SURF算法的特征點提取坐標(biāo)示意圖

    Fig.7The diagram of the improved SURF algorithm coordinates of the feature point extraction圖8W窗口內(nèi)像素灰度和的計算

    Fig.8W window pixel grayscale and calculations

    圖9特征點匹配算法流程圖

    Fig.9Feature point matching algorithm flowchart

    圖10改進(jìn)SURF算法的特征匹配視差圖

    Fig.10Feature point matching algorithm floechart

    2.3特征點的匹配根據(jù)這幾個約束條件根據(jù)選取映射函數(shù),對映射值取值,再判斷映射點是否滿足條件,滿足后,根據(jù)雙線性插值對圖像進(jìn)行插值,將插值之后和原始圖像進(jìn)行組合,得到匹配視差圖。求窗口W內(nèi)的像素灰度值時,W的大小可通過積分圖像的4個相應(yīng)點(i1,j1)、(i2,j2)、(i3,j3)、(i4,j4)的值計算得到,如圖8所示,即窗口的像素灰度和與窗口尺寸無關(guān)。窗口W內(nèi)的像素灰度和為:∑w=ii(i4,j4)-ii(i2,j2)-

    ii(i3,j3)+ii(i1,j1)(4)通過該算法,結(jié)合改進(jìn)的SURF算法提取到的特征點對,設(shè)置匹配算法流程如圖9所示,在MATLAB圖形處理軟件中,采用C語言編程實現(xiàn)。處理得到特征匹配的視差圖,如圖10所示。3實驗及結(jié)果分析結(jié)合MATLAB軟件,對經(jīng)過預(yù)處理得到的圖像進(jìn)行SURF特征點提取匹配得到29對特征點,再選取其中匹配正確的特征點對10對設(shè)為基準(zhǔn),再根據(jù)匹配約束條件共選取得到34對特征點,并與相應(yīng)的SURF測量結(jié)果比較(見表1)。從測量結(jié)果可以看出,改進(jìn)后的SURF特征點提取算法運行時間較SURF特征點提取匹配時間增加了0.12 s。 但是誤匹配率卻降低了約36.5%,匹配成功率得到了明顯改善。通過對多幅圖像對試驗驗證,匹配時間增加為0.2 s左右,而誤匹配率均降低為40%左右,因此該方案具有可行性。由于前期對圖像的剪切和結(jié)構(gòu)光線細(xì)化結(jié)果中,大量減少了特征提取圖像的像素數(shù),從而縮短了整體匹配的運行時間。因此,本文對于匹配算法的改進(jìn)中,又進(jìn)一步完善了基于改進(jìn)SURF算子的特征匹配算法。表1特征點提取算法實驗結(jié)果比較

    Tab.1Feature point extraction algorithm experimental results

    特征點提取方法提取特征點對數(shù)誤匹配對數(shù)誤匹配率/%匹配時間/sSURF特征點提取291862.072.19SURF算法的改進(jìn)34926.472.23

    圖1原始圖像對

    Fig.1Untreated images圖2圖像預(yù)處理

    Fig.2Preprocessed image

    SURF算法就是利用積分圖像的加減運算來實現(xiàn)圖像與高斯二階微分模板的卷積運算,積分圖像是由Viola和Jones[11]提出,很大程度上簡化了計算時間。積分圖像中任一點(i,j)的值ii(i,j),用原圖像左上角的任一點(i,j)相應(yīng)的對角線區(qū)域灰度值的和表示,ii(i,j)=∑i′≤i,j′≤jp(i′,j′)(1)圖3SURF算子提取效果圖

    Fig.3SURF operator extraction effect image式中,p(i′,j′)表示原始圖像點(i′,j′)的灰度值,ii(i,j)可以用如下迭代式計算得到,S(i,j)=S(i,j-1)+p(i,j)(2)

    ii(i,j)=ii(i-1,j)+S(i,j)(3)式中,S(i,j)表示一列的積分,并且S(i,-1)=0,ii(-1,j)=0。需要積分圖像時,只需對原始圖像的所有像素掃描一遍。用MATLAB軟件對濾波后的圖像進(jìn)行處理,結(jié)果如圖3所示。

    2.2基于SURF算法的改進(jìn)由于結(jié)構(gòu)光光學(xué)條紋能實現(xiàn)圖像對的立體匹配、還原三維結(jié)構(gòu),因此需要快速地提取結(jié)構(gòu)光條紋,才能提高立體匹配的匹配速率。通過對圖像的剪切和中線條紋提取,可在很大程度上降低后期立體匹配時間,進(jìn)而提高匹配效率。(1)均衡化與二值化由于結(jié)構(gòu)光光條圖像正是屬于待測對象(結(jié)構(gòu)光光條),與背景有較強(qiáng)對比度的圖像,所以二值化對結(jié)構(gòu)光光條圖像是特別有效的,它能有效地分離光條目標(biāo)區(qū)域與背景區(qū)域,減少計算量,提高處理速率。在二值化之前需要突出感興趣的部分,因此提前進(jìn)行直方圖均衡化,將灰度值低的感興趣部分顯現(xiàn)出來,提高處理精度。得到圖像對如圖3所示。(2)細(xì)化與骨架提取利用MATLAB函數(shù)庫中的細(xì)化函數(shù)對圖像進(jìn)行細(xì)化與骨骼提取,得到單像素的細(xì)線條紋,為后期匹配減少了運算量,縮短了匹配時間,提高匹配速率。經(jīng)過圖像預(yù)處理后得到立體圖像對,對圖像二值化結(jié)果如圖4所示,使得對比度得到明顯改善,再通過細(xì)化后得到的圖像對能夠較好地滿足后期立體匹配的要求,如圖5所示。

    2.2.1約束條件由于立體匹配是尋求同一空間景點在不同視角下投影圖像的像素間的一一對應(yīng)關(guān)系,因此立體匹配的實質(zhì)就是在某一匹配準(zhǔn)則下的最佳搜索。由于同一物體在不同視角下的圖像會有差異,而且場景中的很多因素,如光照條件,物體幾何形狀和物理特性、噪聲干擾等,都被綜合成單一的圖像中的灰度值。為解決這一問題,通常引入各種約束,將匹配限制在平滑解空間范圍內(nèi)。其約束條件如下:(1)極限約束:當(dāng)給定一點,它的匹配點一定出現(xiàn)在所對應(yīng)的極線上。如圖6所示,L1為點P2對應(yīng)的極線,L2為點P1對應(yīng)的極線,L1和L2互為極線。

    圖4二值化后立體圖像對

    Fig.4Binarized stereo image pair圖5條紋細(xì)化后立體圖像對

    Fig.5Thinning stripe stereo image pair

    圖6雙攝像機(jī)成像模型

    Fig.6Dualcamera imaging model(2)唯一性約束:指左圖像中的任何點在右圖像中最多一個點與之匹配,也就是說,無論是參考圖像還是目標(biāo)圖像,任何點都不能同時匹配兩個點。(3)順序約束:對于相似深度的表面,對應(yīng)的特征點一般以相同的次序落在極線上。(4)最大視差約束:視差范圍約束指參考圖像某個點的對應(yīng)點只能在一定的范圍內(nèi)搜索,也就是說,兩個匹配點橫坐標(biāo)相差必須小于某個最大視差閾值。

    2.2.2算法描述本文基于SURF特征點提取過程,首先選取3個正確的匹配點對,下一步的改進(jìn)提取算法如下:(1)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(2)對左右兩幅圖像分別取第i個基準(zhǔn)點(xi,yi);(3)得到新的基準(zhǔn)點(xi,yi+3);(4)對兩點(xi-10,yi+3),(xi+10,yi+3)間所有像素點進(jìn)行遍歷,判斷該像素點灰度值是否大于200,若是,則提取該特征點坐標(biāo)(xj,yi+3),保存該特征點并將該特征點作為新的基準(zhǔn)點;(5)重復(fù)執(zhí)行(2)(3)步,直到左右圖像都遍歷結(jié)束;(6)對得到的左右圖像特征點點集合進(jìn)行逐個對比,若同時滿足xi左-xj右≤3且yi左-yj右≤3則匹配成功,則得到的(xi左,yi左),(xj右,yj右)為匹配成功的特征點對。根據(jù)上述改進(jìn)算法,編寫C程序,對圖像處理,提取到34個特征點對,由于此方法提取得到的是特征點相對于原始圖像的坐標(biāo),因此,其坐標(biāo)數(shù)據(jù)顯示結(jié)果如圖7所示。圖7改進(jìn)SURF算法的特征點提取坐標(biāo)示意圖

    Fig.7The diagram of the improved SURF algorithm coordinates of the feature point extraction圖8W窗口內(nèi)像素灰度和的計算

    Fig.8W window pixel grayscale and calculations

    圖9特征點匹配算法流程圖

    Fig.9Feature point matching algorithm flowchart

    圖10改進(jìn)SURF算法的特征匹配視差圖

    Fig.10Feature point matching algorithm floechart

    2.3特征點的匹配根據(jù)這幾個約束條件根據(jù)選取映射函數(shù),對映射值取值,再判斷映射點是否滿足條件,滿足后,根據(jù)雙線性插值對圖像進(jìn)行插值,將插值之后和原始圖像進(jìn)行組合,得到匹配視差圖。求窗口W內(nèi)的像素灰度值時,W的大小可通過積分圖像的4個相應(yīng)點(i1,j1)、(i2,j2)、(i3,j3)、(i4,j4)的值計算得到,如圖8所示,即窗口的像素灰度和與窗口尺寸無關(guān)。窗口W內(nèi)的像素灰度和為:∑w=ii(i4,j4)-ii(i2,j2)-

    ii(i3,j3)+ii(i1,j1)(4)通過該算法,結(jié)合改進(jìn)的SURF算法提取到的特征點對,設(shè)置匹配算法流程如圖9所示,在MATLAB圖形處理軟件中,采用C語言編程實現(xiàn)。處理得到特征匹配的視差圖,如圖10所示。3實驗及結(jié)果分析結(jié)合MATLAB軟件,對經(jīng)過預(yù)處理得到的圖像進(jìn)行SURF特征點提取匹配得到29對特征點,再選取其中匹配正確的特征點對10對設(shè)為基準(zhǔn),再根據(jù)匹配約束條件共選取得到34對特征點,并與相應(yīng)的SURF測量結(jié)果比較(見表1)。從測量結(jié)果可以看出,改進(jìn)后的SURF特征點提取算法運行時間較SURF特征點提取匹配時間增加了0.12 s。 但是誤匹配率卻降低了約36.5%,匹配成功率得到了明顯改善。通過對多幅圖像對試驗驗證,匹配時間增加為0.2 s左右,而誤匹配率均降低為40%左右,因此該方案具有可行性。由于前期對圖像的剪切和結(jié)構(gòu)光線細(xì)化結(jié)果中,大量減少了特征提取圖像的像素數(shù),從而縮短了整體匹配的運行時間。因此,本文對于匹配算法的改進(jìn)中,又進(jìn)一步完善了基于改進(jìn)SURF算子的特征匹配算法。表1特征點提取算法實驗結(jié)果比較

    Tab.1Feature point extraction algorithm experimental results

    特征點提取方法提取特征點對數(shù)誤匹配對數(shù)誤匹配率/%匹配時間/sSURF特征點提取291862.072.19SURF算法的改進(jìn)34926.472.23

    国产精品久久久人人做人人爽| 好男人电影高清在线观看| 国产精品综合久久久久久久免费 | 天堂动漫精品| 一级,二级,三级黄色视频| 精品久久蜜臀av无| 国产激情欧美一区二区| 精品国产亚洲在线| 亚洲国产看品久久| av在线天堂中文字幕| av网站免费在线观看视频| 欧美日本中文国产一区发布| 亚洲精品国产精品久久久不卡| 久久久久九九精品影院| 在线av久久热| 国产伦一二天堂av在线观看| 韩国精品一区二区三区| 99在线人妻在线中文字幕| 亚洲精华国产精华精| e午夜精品久久久久久久| 免费一级毛片在线播放高清视频 | 很黄的视频免费| 亚洲欧美日韩高清在线视频| 老司机靠b影院| 亚洲,欧美精品.| 色精品久久人妻99蜜桃| 成人18禁在线播放| 亚洲欧美日韩另类电影网站| 成人三级黄色视频| 免费看美女性在线毛片视频| 少妇的丰满在线观看| 久久精品国产综合久久久| 亚洲专区中文字幕在线| 欧美激情极品国产一区二区三区| 黄色片一级片一级黄色片| 一级毛片女人18水好多| 成人av一区二区三区在线看| 国产精品九九99| 男人操女人黄网站| 我的亚洲天堂| 男人舔女人的私密视频| 国产亚洲欧美在线一区二区| 国产欧美日韩综合在线一区二区| 在线国产一区二区在线| 国产精品久久久久久亚洲av鲁大| 99国产综合亚洲精品| 精品国产一区二区久久| 男男h啪啪无遮挡| 久久久久久人人人人人| 在线天堂中文资源库| 久久香蕉激情| 色播在线永久视频| 神马国产精品三级电影在线观看 | 亚洲成人国产一区在线观看| 久久精品成人免费网站| 午夜久久久久精精品| 97人妻天天添夜夜摸| av欧美777| 免费看美女性在线毛片视频| 亚洲国产中文字幕在线视频| 亚洲人成网站在线播放欧美日韩| 国产精品一区二区三区四区久久 | 十分钟在线观看高清视频www| 亚洲午夜理论影院| 午夜影院日韩av| 嫩草影院精品99| 国内精品久久久久久久电影| 欧美绝顶高潮抽搐喷水| 亚洲成人精品中文字幕电影| 久久精品国产亚洲av高清一级| 中文字幕色久视频| 欧美绝顶高潮抽搐喷水| 久久国产精品男人的天堂亚洲| 免费观看人在逋| 国产单亲对白刺激| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品一区av在线观看| 亚洲狠狠婷婷综合久久图片| 精品欧美一区二区三区在线| 一二三四在线观看免费中文在| 国产高清激情床上av| 亚洲国产欧美一区二区综合| 亚洲情色 制服丝袜| 夜夜看夜夜爽夜夜摸| 人人妻人人爽人人添夜夜欢视频| 国产精品美女特级片免费视频播放器 | 在线十欧美十亚洲十日本专区| 精品国产一区二区三区四区第35| 嫁个100分男人电影在线观看| 久久国产精品人妻蜜桃| 999久久久精品免费观看国产| 十八禁网站免费在线| 午夜精品在线福利| 窝窝影院91人妻| 天天躁夜夜躁狠狠躁躁| 亚洲人成77777在线视频| 日韩一卡2卡3卡4卡2021年| 黑人操中国人逼视频| 精品人妻1区二区| 欧美日韩亚洲综合一区二区三区_| 久久久久久亚洲精品国产蜜桃av| 午夜激情av网站| 国产精品久久久久久精品电影 | 成人18禁高潮啪啪吃奶动态图| 亚洲三区欧美一区| 国产欧美日韩精品亚洲av| 午夜精品久久久久久毛片777| 日日夜夜操网爽| 男人舔女人的私密视频| 免费女性裸体啪啪无遮挡网站| 精品欧美一区二区三区在线| 在线观看www视频免费| 男女床上黄色一级片免费看| 免费在线观看亚洲国产| 国产免费男女视频| 男人舔女人下体高潮全视频| 久久天躁狠狠躁夜夜2o2o| 欧美大码av| 女人被躁到高潮嗷嗷叫费观| 国产亚洲精品久久久久5区| 欧美日韩亚洲国产一区二区在线观看| 亚洲色图av天堂| 亚洲激情在线av| 波多野结衣一区麻豆| 黄色毛片三级朝国网站| 乱人伦中国视频| 成人亚洲精品一区在线观看| 精品久久蜜臀av无| 一边摸一边做爽爽视频免费| 亚洲av日韩精品久久久久久密| 亚洲免费av在线视频| 超碰成人久久| 午夜福利,免费看| 精品欧美国产一区二区三| 国产精品一区二区免费欧美| 欧美日韩精品网址| 中文字幕人成人乱码亚洲影| 亚洲成av人片免费观看| 国产成人精品久久二区二区免费| 国产又爽黄色视频| 99riav亚洲国产免费| 久久久久久久久免费视频了| 91成人精品电影| 母亲3免费完整高清在线观看| 午夜久久久久精精品| 午夜福利高清视频| 黄频高清免费视频| 亚洲欧洲精品一区二区精品久久久| 日本黄色视频三级网站网址| 日本免费a在线| 久久伊人香网站| 国产一区二区三区视频了| 久久久久久大精品| 成熟少妇高潮喷水视频| 日本黄色视频三级网站网址| 性色av乱码一区二区三区2| www.精华液| 亚洲精品国产区一区二| 国产精品av久久久久免费| 老司机福利观看| 国产视频一区二区在线看| 老汉色av国产亚洲站长工具| 久久草成人影院| 亚洲中文字幕日韩| 淫秽高清视频在线观看| 成人亚洲精品av一区二区| 黑人巨大精品欧美一区二区mp4| 99国产精品免费福利视频| 国产麻豆69| 少妇熟女aⅴ在线视频| 精品国产美女av久久久久小说| 麻豆国产av国片精品| 女人爽到高潮嗷嗷叫在线视频| 精品一品国产午夜福利视频| 一进一出抽搐动态| 亚洲国产精品合色在线| АⅤ资源中文在线天堂| 狂野欧美激情性xxxx| 亚洲欧美日韩另类电影网站| 免费观看人在逋| 亚洲天堂国产精品一区在线| 亚洲成人精品中文字幕电影| 99精品久久久久人妻精品| 又黄又粗又硬又大视频| 久久中文看片网| 国产精品秋霞免费鲁丝片| 欧美精品啪啪一区二区三区| 久久香蕉国产精品| 国产精品久久电影中文字幕| 此物有八面人人有两片| 国产精品 国内视频| 免费观看精品视频网站| 久久国产乱子伦精品免费另类| 日本 欧美在线| 久久青草综合色| 在线视频色国产色| 给我免费播放毛片高清在线观看| 9热在线视频观看99| 老汉色av国产亚洲站长工具| 高清在线国产一区| 欧美+亚洲+日韩+国产| cao死你这个sao货| 亚洲精品av麻豆狂野| 国产精品久久久av美女十八| 热99re8久久精品国产| 日韩精品中文字幕看吧| av有码第一页| 久久午夜综合久久蜜桃| 午夜影院日韩av| 午夜福利视频1000在线观看 | 色精品久久人妻99蜜桃| 咕卡用的链子| 亚洲精品美女久久av网站| 成熟少妇高潮喷水视频| 嫩草影视91久久| 久久天躁狠狠躁夜夜2o2o| 中文字幕高清在线视频| 亚洲视频免费观看视频| 亚洲成国产人片在线观看| 亚洲三区欧美一区| 久久人妻熟女aⅴ| 久久人人爽av亚洲精品天堂| 一区二区日韩欧美中文字幕| 操美女的视频在线观看| 一区二区三区激情视频| 亚洲七黄色美女视频| 看免费av毛片| 精品乱码久久久久久99久播| 亚洲精品国产一区二区精华液| 亚洲 国产 在线| 电影成人av| 一区二区三区国产精品乱码| 午夜福利一区二区在线看| 18禁黄网站禁片午夜丰满| 一二三四在线观看免费中文在| 黄色视频,在线免费观看| 级片在线观看| 国产亚洲精品第一综合不卡| 国产麻豆成人av免费视频| 亚洲色图av天堂| 国产精品自产拍在线观看55亚洲| 一级毛片女人18水好多| 午夜福利一区二区在线看| 欧美色欧美亚洲另类二区 | 极品人妻少妇av视频| 亚洲国产高清在线一区二区三 | 国产精华一区二区三区| 亚洲最大成人中文| 亚洲av电影在线进入| 中文字幕最新亚洲高清| 日韩成人在线观看一区二区三区| 欧美成狂野欧美在线观看| 国产精品国产高清国产av| 亚洲无线在线观看| 精品一区二区三区av网在线观看| 国产一卡二卡三卡精品| 精品久久久久久成人av| 亚洲精品一区av在线观看| 亚洲色图 男人天堂 中文字幕| 757午夜福利合集在线观看| 在线天堂中文资源库| www.精华液| 涩涩av久久男人的天堂| 操出白浆在线播放| 亚洲国产高清在线一区二区三 | 欧美色视频一区免费| 亚洲一区中文字幕在线| 久久中文字幕人妻熟女| 欧美最黄视频在线播放免费| 99精品欧美一区二区三区四区| 91麻豆av在线| 成人三级黄色视频| 日韩一卡2卡3卡4卡2021年| 国产一级毛片七仙女欲春2 | 我的亚洲天堂| 岛国视频午夜一区免费看| 亚洲第一欧美日韩一区二区三区| 乱人伦中国视频| 香蕉国产在线看| 亚洲午夜精品一区,二区,三区| 亚洲av日韩精品久久久久久密| 欧美久久黑人一区二区| 色在线成人网| 精品一区二区三区四区五区乱码| 久久久久久人人人人人| 亚洲一码二码三码区别大吗| 别揉我奶头~嗯~啊~动态视频| 久久亚洲真实| 91大片在线观看| 欧美亚洲日本最大视频资源| 久久精品人人爽人人爽视色| 一卡2卡三卡四卡精品乱码亚洲| 美女国产高潮福利片在线看| 午夜影院日韩av| 国产精品av久久久久免费| 在线av久久热| 精品福利观看| 岛国视频午夜一区免费看| 国产国语露脸激情在线看| 成人永久免费在线观看视频| 男女下面进入的视频免费午夜 | 午夜福利一区二区在线看| 午夜精品在线福利| 国产1区2区3区精品| 日本免费一区二区三区高清不卡 | netflix在线观看网站| 欧美黑人精品巨大| 如日韩欧美国产精品一区二区三区| 国产亚洲精品综合一区在线观看 | 免费少妇av软件| 日本vs欧美在线观看视频| 亚洲中文字幕日韩| 国产成人精品在线电影| 国产色视频综合| 51午夜福利影视在线观看| 日韩欧美在线二视频| 免费在线观看影片大全网站| 亚洲久久久国产精品| 99在线视频只有这里精品首页| 看片在线看免费视频| 自线自在国产av| 亚洲无线在线观看| 老司机午夜十八禁免费视频| 不卡av一区二区三区| 一区福利在线观看| 最近最新免费中文字幕在线| 黄色丝袜av网址大全| 少妇粗大呻吟视频| or卡值多少钱| 亚洲av电影不卡..在线观看| 亚洲专区国产一区二区| 午夜福利,免费看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久国产精品人妻aⅴ院| www.999成人在线观看| 性欧美人与动物交配| 亚洲欧美精品综合一区二区三区| 中亚洲国语对白在线视频| 欧美精品啪啪一区二区三区| 69av精品久久久久久| 国产精品亚洲美女久久久| 久久久国产精品麻豆| 久久 成人 亚洲| 国产黄a三级三级三级人| 久久久久久久久免费视频了| 国产欧美日韩精品亚洲av| 我的亚洲天堂| 久久香蕉国产精品| 中文字幕高清在线视频| 免费高清在线观看日韩| av电影中文网址| 叶爱在线成人免费视频播放| 日韩国内少妇激情av| 国产精品av久久久久免费| 9191精品国产免费久久| 国产精品久久久久久精品电影 | 亚洲va日本ⅴa欧美va伊人久久| 日韩 欧美 亚洲 中文字幕| 一本久久中文字幕| 欧美绝顶高潮抽搐喷水| 99精品欧美一区二区三区四区| 夜夜夜夜夜久久久久| 欧美精品亚洲一区二区| 变态另类丝袜制服| 可以免费在线观看a视频的电影网站| 成人特级黄色片久久久久久久| 国产av精品麻豆| 国产aⅴ精品一区二区三区波| 12—13女人毛片做爰片一| 国内毛片毛片毛片毛片毛片| 国产片内射在线| 色哟哟哟哟哟哟| 黄色视频,在线免费观看| 国产日韩一区二区三区精品不卡| 此物有八面人人有两片| 亚洲七黄色美女视频| 人妻丰满熟妇av一区二区三区| 日本五十路高清| 亚洲精华国产精华精| 女人爽到高潮嗷嗷叫在线视频| АⅤ资源中文在线天堂| 精品高清国产在线一区| 欧美激情高清一区二区三区| 免费在线观看视频国产中文字幕亚洲| 国产高清有码在线观看视频 | 女人精品久久久久毛片| 欧美在线黄色| 伦理电影免费视频| 岛国视频午夜一区免费看| 99riav亚洲国产免费| 不卡av一区二区三区| 日韩欧美三级三区| 精品无人区乱码1区二区| 九色亚洲精品在线播放| 成人免费观看视频高清| 精品国产一区二区久久| 久热爱精品视频在线9| 91av网站免费观看| 制服人妻中文乱码| 97人妻精品一区二区三区麻豆 | 91成年电影在线观看| 级片在线观看| 亚洲国产毛片av蜜桃av| 99香蕉大伊视频| 国产乱人伦免费视频| 叶爱在线成人免费视频播放| 人人澡人人妻人| avwww免费| 两人在一起打扑克的视频| 黄色 视频免费看| 欧美成人一区二区免费高清观看 | 美女大奶头视频| 国产欧美日韩综合在线一区二区| 色老头精品视频在线观看| 搡老妇女老女人老熟妇| 国语自产精品视频在线第100页| 又大又爽又粗| 老熟妇仑乱视频hdxx| 老司机午夜十八禁免费视频| 午夜福利欧美成人| 两人在一起打扑克的视频| 亚洲 国产 在线| 99精品在免费线老司机午夜| av在线播放免费不卡| 非洲黑人性xxxx精品又粗又长| 久久国产精品影院| 91成年电影在线观看| 久久草成人影院| 999久久久国产精品视频| 久久天躁狠狠躁夜夜2o2o| 色播在线永久视频| 少妇被粗大的猛进出69影院| 亚洲一区高清亚洲精品| 色哟哟哟哟哟哟| 午夜福利在线观看吧| 黑人操中国人逼视频| АⅤ资源中文在线天堂| 法律面前人人平等表现在哪些方面| 午夜影院日韩av| 18禁黄网站禁片午夜丰满| 日韩中文字幕欧美一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲电影在线观看av| 日韩有码中文字幕| 村上凉子中文字幕在线| 日韩欧美国产一区二区入口| 国产午夜精品久久久久久| www.精华液| 丁香欧美五月| 日韩有码中文字幕| 亚洲欧美激情在线| 国产精品 国内视频| 色婷婷久久久亚洲欧美| 久久中文字幕人妻熟女| 啦啦啦韩国在线观看视频| 日韩欧美一区二区三区在线观看| 老司机福利观看| 在线视频色国产色| 欧美成狂野欧美在线观看| 国产精品国产高清国产av| 免费女性裸体啪啪无遮挡网站| 可以在线观看毛片的网站| 国产精品二区激情视频| 中文字幕久久专区| 免费看美女性在线毛片视频| 侵犯人妻中文字幕一二三四区| 久久久国产成人免费| 国产亚洲精品第一综合不卡| 国产av一区在线观看免费| 国产黄a三级三级三级人| 中文字幕高清在线视频| 色综合站精品国产| 国产av一区在线观看免费| 国产伦一二天堂av在线观看| 淫秽高清视频在线观看| 丁香六月欧美| 亚洲狠狠婷婷综合久久图片| 50天的宝宝边吃奶边哭怎么回事| www.自偷自拍.com| 国产成人av教育| 韩国精品一区二区三区| 女人精品久久久久毛片| 神马国产精品三级电影在线观看 | 欧美一区二区精品小视频在线| 久9热在线精品视频| 亚洲情色 制服丝袜| 亚洲久久久国产精品| 欧美最黄视频在线播放免费| 啦啦啦 在线观看视频| 99国产精品99久久久久| 亚洲狠狠婷婷综合久久图片| 美国免费a级毛片| 叶爱在线成人免费视频播放| 真人做人爱边吃奶动态| 亚洲av日韩精品久久久久久密| 久久精品国产综合久久久| 淫秽高清视频在线观看| 丝袜美足系列| 露出奶头的视频| 熟妇人妻久久中文字幕3abv| or卡值多少钱| 久久人人爽av亚洲精品天堂| 丰满的人妻完整版| 美女扒开内裤让男人捅视频| 午夜影院日韩av| 亚洲一区高清亚洲精品| 久久国产乱子伦精品免费另类| 在线av久久热| 成人三级黄色视频| 自拍欧美九色日韩亚洲蝌蚪91| 日韩 欧美 亚洲 中文字幕| 欧美日韩亚洲国产一区二区在线观看| 国产又色又爽无遮挡免费看| 亚洲avbb在线观看| 男女做爰动态图高潮gif福利片 | 黑人巨大精品欧美一区二区mp4| 欧美在线一区亚洲| 亚洲自偷自拍图片 自拍| 欧美日本中文国产一区发布| 一区二区三区国产精品乱码| 变态另类丝袜制服| 成人精品一区二区免费| 黄频高清免费视频| 亚洲午夜精品一区,二区,三区| 十八禁人妻一区二区| 亚洲欧美精品综合一区二区三区| 99国产综合亚洲精品| 国产成人免费无遮挡视频| 美女高潮喷水抽搐中文字幕| 国产片内射在线| 男女做爰动态图高潮gif福利片 | 少妇 在线观看| 69av精品久久久久久| 欧美绝顶高潮抽搐喷水| 制服丝袜大香蕉在线| 午夜日韩欧美国产| 久久久精品欧美日韩精品| 国产亚洲精品av在线| 久久久久久大精品| 看片在线看免费视频| 久久久久久大精品| 精品国产乱子伦一区二区三区| 男女做爰动态图高潮gif福利片 | 亚洲自偷自拍图片 自拍| 国产伦人伦偷精品视频| 好看av亚洲va欧美ⅴa在| 久久久久久久午夜电影| 看片在线看免费视频| 亚洲狠狠婷婷综合久久图片| 国产亚洲精品一区二区www| 嫩草影院精品99| 国产精品一区二区精品视频观看| 日本一区二区免费在线视频| 精品一品国产午夜福利视频| 免费一级毛片在线播放高清视频 | 999久久久精品免费观看国产| 18禁黄网站禁片午夜丰满| 国产蜜桃级精品一区二区三区| 黑人操中国人逼视频| 国产精华一区二区三区| 欧美在线黄色| 99国产精品99久久久久| 日韩高清综合在线| 国产男靠女视频免费网站| 多毛熟女@视频| 日韩视频一区二区在线观看| 国产视频一区二区在线看| 性欧美人与动物交配| 中文字幕人妻丝袜一区二区| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕人妻熟女乱码| 久热这里只有精品99| 咕卡用的链子| 制服诱惑二区| 亚洲片人在线观看| 欧美日本视频| 国产亚洲av嫩草精品影院| 国产精品 欧美亚洲| 黄片小视频在线播放| 在线十欧美十亚洲十日本专区| 两性夫妻黄色片| 日韩精品免费视频一区二区三区| 色播在线永久视频| 给我免费播放毛片高清在线观看| 亚洲国产看品久久| 热re99久久国产66热| 免费看十八禁软件| 天天躁狠狠躁夜夜躁狠狠躁| 日日爽夜夜爽网站| www.www免费av| 午夜影院日韩av| 亚洲成国产人片在线观看| av视频免费观看在线观看| 中亚洲国语对白在线视频| 日韩大尺度精品在线看网址 | 三级毛片av免费| 嫩草影视91久久| 久久久久久亚洲精品国产蜜桃av| 久久亚洲精品不卡| 天堂影院成人在线观看| 宅男免费午夜| 看片在线看免费视频| 免费看美女性在线毛片视频| 老司机在亚洲福利影院| 午夜福利视频1000在线观看 | 欧美人与性动交α欧美精品济南到| 日韩精品青青久久久久久| 少妇的丰满在线观看| 国产av一区二区精品久久| 黄片播放在线免费| 成人亚洲精品一区在线观看| 少妇熟女aⅴ在线视频| a在线观看视频网站| 国产精品综合久久久久久久免费 | 国产精品亚洲美女久久久|