• <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 ?

    基于熵規(guī)則的信息濾波SLAM算法*

    2016-12-17 05:18:51石守東
    傳感器與微系統(tǒng) 2016年12期
    關鍵詞:關聯(lián)性位姿時刻

    郭 潤, 石守東

    (寧波大學 信息科學與工程學院,浙江 寧波 315211)

    ?

    基于熵規(guī)則的信息濾波SLAM算法*

    郭 潤, 石守東

    (寧波大學 信息科學與工程學院,浙江 寧波 315211)

    信息濾波同時定位與構圖(IFSLAM)算法如何獲得稀疏化的信息矩陣是解決濾波性能的關鍵因素。通過對稀疏擴展信息濾波深入分析,發(fā)現(xiàn)其稀疏化結果難以保證關聯(lián)性最弱的環(huán)境主動特征被稀疏掉;為了改進這一缺陷,提出一種基于熵稀疏規(guī)則的改進SLAM算法,該算法利用熵性質、綜合當前以及下一觀測時刻來選擇與位姿關聯(lián)性最弱的環(huán)境特征作為稀疏特征點;有效提高了算法的稀疏性能。在Matlab上對改進算法進行仿真,驗證改進算法的有效性。

    信息濾波(IF); 同時定位與構圖(SLAM); 稀疏規(guī)則; 熵性質

    0 引 言

    移動機器人在未知環(huán)境中如何實現(xiàn)真正的自主導航、路徑規(guī)劃[1,2]等問題,在機器人研究領域獲得了極為廣泛的關注。同時定位與地圖構建(simultaneous localization and map building,SLAM)是實現(xiàn)機器人真正自主導航和路徑規(guī)劃等問題的關鍵技術之一[3]。SLAM 是指機器人在未知環(huán)境中,依靠自身攜帶的傳感器遞增式地創(chuàng)建環(huán)境地圖,同時利用已創(chuàng)建的環(huán)境地圖來估計機器人在地圖中的位置。

    最初SLAM算法是由Smith R等人[4]提出來的。他們利用擴展卡爾曼濾波(extended Kalman filtering,EKF)來解決SLAM問題。然而,標準EKF SLAM算法的時間復雜度與空間復雜度高[5],使其難以應用到大環(huán)境中。隨著SLAM技術的不斷發(fā)展,產(chǎn)生了許多優(yōu)秀的SLAM算法,主要有:Guivant J E等人[6]的EKF改進算法—壓縮擴展卡爾曼濾波,Nasuriwong S等人[7]的Rao-Blackwellized Particle Filter SLAM算法,朱奇光等人[8]的球面單徑容積FastSLAM算法,以及Cheein F A等人[9]的最優(yōu)擴展信息濾波算法(EIF SLAM)。其中擴展信息濾波算法與擴展卡爾曼濾波算法是互為對偶形式,在數(shù)學推導上,二者均具有嚴密性以及準確性等特點,但在處理SLAM問題當中,信息濾波的表示形式具有一定的計算優(yōu)勢,因此引起了眾多學者的關注。

    目前最為著名的信息濾波SLAM算法是稀疏擴展信息濾波(sparse extended information filtering,SEIF)SLAM算法[10],該算法在稀疏化過程信息丟失隨機性較大,故算法難以保證其全局一致性。Walter M R[11]在標準SEIF SLAM的基礎之上,提出了精確稀疏擴展信息濾波(ESEIF SLAM)算法,雖然算法濾波性能有所改善,但增加了機器人位姿重新定位,且此時在觀測步驟中必須要有之前觀測到的環(huán)境特征點,故其適用上有一定缺陷。

    本文將從信息濾波的核心—稀疏規(guī)則角度出發(fā),在深入分析標準SEIF SLAM算法稀疏規(guī)則的基礎上,提出一種基于熵性質的稀疏規(guī)則改進SLAM算法,該算法使得稀疏化過程中關聯(lián)性更強的環(huán)境特征點得以保留下來,從而有效提高了SLAM算法的精度和一致性。

    1 IFSLAM算法

    1.1 SLAM問題描述

    SLAM問題可以用一個后驗條件概率來表示,該后驗條件概率服從一個多維的高斯分布,可表示為

    p(ξt|zt,ut)

    (1)

    1.2 EIF SLAM基本技術

    1.2.1 運動更新

    運動更新是通過機器人動力學模型預測機器人下一時刻狀態(tài)的后驗分布,該過程由兩步實現(xiàn):將新位置的向量加入狀態(tài)后驗分布和邊緣化舊位置的狀態(tài)向量。

    1)放大信息矩陣

    加入新的位置變量后的信息矩陣和信息向量分別為

    (2)

    (3)

    2)邊緣化

    將機器人放大狀態(tài)的信息矩陣和信息向量進行邊緣化,則有

    (4)

    (5)

    其中

    Ω=(Λxtxt+FTQ-1F)-1{ηt-FTQ-1[f(μxt,ut+1)-

    Fμxt]}

    (6)

    1.2.2 測量更新

    在測量更新中,根據(jù)傳感器觀測來對信息矩陣和信息向量進行更新,可表示為

    (7)

    (8)

    2 稀疏化過程

    在SLAM過程中,隨著機器人的運動以及觀測更新,使得信息矩陣變得越來越密集,即信息矩陣中機器人與特征點、特征點與特征點之間的關聯(lián)數(shù)增多;可以發(fā)現(xiàn)隨著時間的推移機器人與特征點的關聯(lián)性越來越弱,但不會消失。為了降低算法的復雜度,需把關聯(lián)性弱的特征點從信息矩陣中去掉。設信息矩陣中機器人與特征點、特征點與特征點之間的關聯(lián)數(shù)有上界,分別為θx和θy。當機器人移動或者觀測到新特征點的時候,就可能會超出閾值θx或者θy,這時就需要執(zhí)行稀疏化操作。

    2.1 SEIF的稀疏規(guī)則

    在SEIF SLAM中,其稀疏化步驟是發(fā)生在運動預測過程中.下面將環(huán)境特征點分成互不相關的三類,即M=M+⊕M0⊕M-。其中,M+代表當前活動的特征點集,在下一時刻仍然活動;M-代表當前不活動的特征點集,在下一時刻仍然不活動;M0代表當前活動的特征點集,在下一時刻變得不活動。其狀態(tài)向量的后驗分布為

    p(xt,M)=p(xt,M+,M0,M-)

    =p(xt|M+,M0,M-)p(M+,M0,M-)

    =p(xt|M+,M0,M-=0)p(M+,M0,M-)

    (9)

    在式(9)最后一步第一項中,如果主動特征M+和M0已知,那么位姿xt與被動特征M-無關,因此,可以設置M-為任意值,如上面將其設為0。

    為了使信息矩陣變得稀疏,SEIF SLAM通過去除M0來控制信息矩陣的大小,見圖1所示。

    圖1 SEIF的稀疏過程Fig 1 Sparse process of SEIF

    雖然稀疏化操作使得整個算法的計算效率得到提高,但由于稀疏化步驟自身不可避免的近似性,故如何選出當前時刻在主動特征當中與機器人位姿關聯(lián)最弱的特征變?yōu)楸粍犹卣骶统闪岁P鍵因素。

    2.2 改進的稀疏規(guī)則

    2.2.1 信息熵特性

    信息熵[12]的定義式為

    (10)

    式中X為離散隨機變量,P(X)為其概率分布。信息熵H(X)衡量的是隨機變量X的不確定性,其值隨變量X不確定性的增大也隨之增加。

    利用條件概率的概念引出條件熵,其定義為

    (11)

    式中P(X|Y=y)為隨機變量X在條件Y=y下的條件概率。條件熵H(X|Y=y)衡量的是在Y=y的條件下,隨機變量X的不確定性。

    在SLAM問題中,移動機器人位姿xt為三維隨機向量,其概率分布為

    μt)}

    (12)

    在t時刻觀測到環(huán)境特征點mi后位姿xt的條件概率分布為

    (13)

    根據(jù)以上熵的性質,可以計算出機器人位姿xt的熵以及在觀測到活動特征點條件下的條件熵,由于觀測到特征點的條件熵可能使機器人位姿的熵增加,也可能減少。那么就可以從觀測到的活動特征點當中選出使位姿條件熵值最大的特征點,即關聯(lián)性最弱的特征點,進行稀疏化操作。

    2.2.2 改進稀疏規(guī)則

    通過對標準SEIF SLAM的稀疏過程分析得知,其在執(zhí)行稀疏化的時候,只考慮到了當前時刻與位姿xt相關聯(lián)的主動特征,很難保證每一次執(zhí)行稀疏化操作后,保留下來的環(huán)境特征與機器人位姿關聯(lián)性最強。如果稀疏化操作發(fā)生在位姿運動到xt+1時刻且同時執(zhí)行一次觀測操作之后,那么可以利用在t時刻位姿所觀測到的環(huán)境特征的條件熵和t+1時刻位姿所觀測到的環(huán)境特征的條件熵來綜合決定相關性最弱的環(huán)境特征,即

    (14)

    式中mi為t時刻位姿觀測到的環(huán)境主動特征,如果在t+1未觀測到特征mi,即在t+1時刻H(xt+1|m=mi)值取最大值。

    下面分四種情形來討論(設在t時刻會超過稀疏閾值;不失一般性,設經(jīng)過改進稀疏規(guī)則計算得,特征m1使得位姿xt熵值最大。)

    情形1:在t+1時刻除了觀測到t時刻所對應的主動特征外,還觀測到了新的環(huán)境特征,見圖2(b);此時新觀測到的環(huán)境特征m5有利于t+1位姿的精確定位,可改善狀態(tài)向量的后驗分布。因此,有必要作為選擇t時刻與位姿關聯(lián)最弱的主動特征的一個參考量。此時可類比式(14)將判斷條件作為

    mj)}

    (15)

    式中mj為在t時刻未觀測到而在t+1時刻觀測到的環(huán)境特征。

    通過式(15)來判斷關聯(lián)性最弱的特征點,并對其進行稀疏化操作,見圖2所示。

    圖2 在t+1時刻觀測到新特征以及t時刻所有特征條件下的稀疏化過程Fig 2 Sparse process under condition of new feature andall features of time t are observed at time t+1

    情形2:在位姿從xt移動到xt+1之后,在t+1時刻沒有觀測到新特征,即只觀測到了m1,m2,m3,m4,見圖3(b),利用式(14)判斷出關聯(lián)性最弱的特征點,并將其稀疏化,見圖3所示。

    圖3 在t+1時刻觀測到t時刻所有特征條件下的稀疏化過程Fig 3 Sparse process under the condition of all features of time t are observed at time t+1

    情形3:在位姿從xt移動到xt+1之后,在t+1時刻只觀測到 時刻的部分特征且沒有觀測到新特征,見圖4(b),假設只觀測到m3,m4,而m1,m2沒有被觀測到,在這里只需對m1,m2進行判斷,利用式(14)判斷關聯(lián)性最弱的環(huán)境特征,對其執(zhí)行稀疏化操作,見圖4所示。

    圖4 在t+1時刻觀測到t時刻部分特征條件下的稀疏化過程Fig 4 Sparse process under the condition of some features of time t are observed at time t+1

    情形4:在位姿從xt移動到xt+1之后,在t+1時刻觀測到t時刻的部分特征m3,m4的同時觀測到新特征m5,見圖5(b),在這里只需對m1,m2進行判斷,利用式(15)判斷關聯(lián)性最弱的環(huán)境特征,對其執(zhí)行稀疏化操作,見圖5所示。

    圖5 在t+1時刻觀測到新特征以及t時刻部分特征條件下的稀疏化過程Fig 5 Sparse process under the condition of new feature andsome features of time t are observed at time t+1

    綜上分析可知,改進稀疏化方法,可以保留與位姿關聯(lián)性最強的環(huán)境特征,有利于SLAM算法精度以及一致性的提高。

    3 實驗仿真與分析結果

    假設在仿真環(huán)境中移動機器人運動學數(shù)學表達式為

    (16)

    式中L為在t時間內(nèi)運動的距離;W為水平方向到頂點的垂直高度;gt為t時刻移動機器人的方向角,其表達式為

    (17)

    機器人觀測數(shù)學表達式為

    (18)

    式(18)中觀測到的環(huán)境特征點笛卡爾坐標為(x(i),y(i))。

    圖6 SLAM仿真環(huán)境Fig 6 SLAM simulation environment

    本文將在相同機器人初始狀態(tài)和環(huán)境條件下,對改進算法與標準SEIFSLAM算法進行比較分析。圖7所示為改進算法和標準SEIFSLAM算法估計機器人位姿狀態(tài)的誤差比較,改進算法估計偏差相比標準SEIFSLAM算法有了明顯的減小。

    圖7 改進算法與標準SEIF SLAM誤差比較Fig 7 Error comparison of improved algorithmand standard SEIF SLAM

    為了統(tǒng)計SLAM處理過程的實際效果,利用Monte-Carlo仿真來分析改進算法與SEIF算法的處理性能。經(jīng)過30次Monte-Carlo仿真后,從圖8可以看出,改進算法的估計結果相比稀疏擴展信息濾波更好。

    圖8 改進算法與標準SEIF SLAM均值誤差比較Fig 8 Error comparison of improved algorithmand standard SEIF SLAM

    (19)

    (20)

    (21)

    在本文實驗中只研究各狀態(tài)的估計誤差,故利用式(21)對各狀態(tài)的估計誤差以及協(xié)方差矩陣估計值進行比較,通過仿真實驗數(shù)據(jù)繪出比較結果曲線,便可直觀判斷其一致性性能,如圖9。

    圖9 改進算法與標準SEIF SLAM一致性比較Fig 9 Consistency comparison of improvedalgorithm and standard SEIF SLAM

    通過30次Monte-Carlo仿真后,由圖9可以看出,改進稀疏規(guī)則后的SLAM算法的一致性相比標準SEIF SLAM算法有了明顯的提高。

    4 結束語

    本文通過對標準SEIF SLAM的稀疏規(guī)則深入分析之后,提出了基于熵規(guī)則的改進算法。該算法綜合了熵性質以及不同觀測時刻特征點對狀態(tài)向量估計精度的影響,來得出稀疏化規(guī)則,通過與標準SEIF SLAM算法進行實驗對比分析,實驗結果表明改進算法在狀態(tài)估計精度以及算法一致性方面均更優(yōu),從而證明了改進算法的有效性。

    [1] 白金柯,陳立家,金 何,等.動態(tài)未知環(huán)境下一種新的機器人路徑規(guī)劃方法[J].傳感器與微系統(tǒng),2011,30(10):33-36.

    [2] 辛江慧,李舜酩,廖慶斌.基于傳感器信息的智能移動機器人導航評述[J].傳感器與微系統(tǒng),2008,27(4):4-7.

    [3] 丁 偉,孫 華,曾建輝.基于多傳感器信息融合的移動機器人導航綜述[J].傳感器與微系統(tǒng),2006,25(7):1-3.

    [4]SmithR,SelfM,CheesemanP.Autonomousrobotvehicles[M].BerlinHeidelberg:Springer-Verlag,1990:167-193.

    [5] 趙亞鳳,任洪娥.基于無線傳感器網(wǎng)絡的同時定位與跟蹤[J].傳感器與微系統(tǒng),2014,33(5):55-58.

    [6]GuivantJE,NebotEM.Solvingcomputationalandmemoryrequirementsoffeature-basedsimultaneouslocalizationandmappingalgorithms[J].IEEETransactionsonRoboticsandAutomation,2003,19(4):749-755.

    [7]NasuriwongS,YuwapoositanonP.Gaussiankernelposterioreliminationforfastlook-aheadrao-blackwellisedparticlefilteringforSLAM[J].AppliedMechanics&Materials,2015,781:555-558.

    [8] 朱奇光,袁 梅,王梓巍,等.機器人球面單徑容積FastSLAM算法[J].機器人,2015,37 (6):708-717.

    [9]CheeinFA,SteinerG,PainaGP,etal.OptimizedEIF-SLAMalgorithmforprecisionagriculturemappingbasedonstemsdetec-tion[J].Computers&ElectronicsinAgriculture,2011,78(2):195-207.

    [10]ThrunS,LiuY,KollerD,etal.Simultaneouslocalizationandmappingwithsparseextendedinformationfilters[J].Interna-tionalJournalofRoboticsResearch,2004,23(7-8):693-716.

    [11]WalterMR,EusticeRM,LeonardJ.Exactlysparseextendedinformationfiltersforfeature-basedSLAM[J].InternatioalJounalofRoboticsResearch,2007,26(4):335-359.

    [12] 曹 樂,王朝英,孔云波,等.基于信息熵的多無源傳感器數(shù)據(jù)關聯(lián)[J].傳感器與微系統(tǒng),2015,34(11):33-37.

    Information filtering SLAM algorithm based on entropy rule*

    GUO Run, SHI Shou-dong

    (Faculty of Information Science and Engineering,Ningbo University,Ningbo 315211,China )

    How to obtain sparse information matrix is the key factor for information filtering(IF)simultaneous localization and mapping(IFSLAM)algorithm to solve filtering performance.By deep analysis on sparse extended information filtering(SEIF),finding that it’s difficult for sparse result to guarantee the weakest relevance environment active characteristics of being thinning after sparse process; in order to improve this defect,an improved SLAM algorithm based on entropy sparse rules is proposed,it uses the entropy property and considering the current and next observing moment to select posture correlating the weakest environment characteristic as the sparse feature points;effectively improve the sparse performance of the algorithm.The improved algorithm is simulated on Matlab,and validity is verified.

    information filtering(IF); simultaneous localization and mapping(SLAM); sparsity rules; entropy property

    10.13873/J.1000—9787(2016)12—0132—05

    2016—10—19

    浙江省重中之重學科開放基金資助項目(XKXL1514); 浙江省教育廳科研項目(Y201121251)

    TP 24

    A

    1000—9787(2016)12—0132—05

    郭 潤(1989-),男,四川內(nèi)江人,碩士研究生,研究方向為移動機器人導航與定位。

    猜你喜歡
    關聯(lián)性位姿時刻
    冬“傲”時刻
    捕獵時刻
    四物湯有效成分的關聯(lián)性分析
    中成藥(2017年3期)2017-05-17 06:09:05
    基于共面直線迭代加權最小二乘的相機位姿估計
    基于CAD模型的單目六自由度位姿測量
    如何準確認定排污行為和環(huán)境損害之間的關聯(lián)性
    小型四旋翼飛行器位姿建模及其仿真
    CRP檢測與新生兒感染的關聯(lián)性
    街拍的歡樂時刻到來了
    一天的時刻
    欧美黄色淫秽网站| 成人av在线播放网站| 夜夜爽天天搞| 国产三级黄色录像| av国产免费在线观看| 老汉色∧v一级毛片| 亚洲自偷自拍图片 自拍| 国内精品久久久久精免费| 美女扒开内裤让男人捅视频| 夜夜夜夜夜久久久久| 久9热在线精品视频| 高清毛片免费观看视频网站| 欧美日韩乱码在线| 琪琪午夜伦伦电影理论片6080| 丰满人妻一区二区三区视频av | 精品久久久久久久人妻蜜臀av| 亚洲第一欧美日韩一区二区三区| 这个男人来自地球电影免费观看| 日日干狠狠操夜夜爽| 色精品久久人妻99蜜桃| 俄罗斯特黄特色一大片| 欧美日韩中文字幕国产精品一区二区三区| 男女做爰动态图高潮gif福利片| 亚洲真实伦在线观看| av在线蜜桃| 国产一级毛片七仙女欲春2| 国语自产精品视频在线第100页| 久久精品亚洲精品国产色婷小说| 亚洲va日本ⅴa欧美va伊人久久| 日日摸夜夜添夜夜添小说| 脱女人内裤的视频| 怎么达到女性高潮| 看免费av毛片| 国产探花在线观看一区二区| 怎么达到女性高潮| 波多野结衣巨乳人妻| 精品久久久久久久人妻蜜臀av| 国产精品野战在线观看| 成人精品一区二区免费| 国产1区2区3区精品| 99热这里只有是精品50| 国产aⅴ精品一区二区三区波| 99久久成人亚洲精品观看| 欧洲精品卡2卡3卡4卡5卡区| 最近最新中文字幕大全电影3| 天堂影院成人在线观看| 国产av一区在线观看免费| 色尼玛亚洲综合影院| 欧美中文综合在线视频| 99久久综合精品五月天人人| 国产单亲对白刺激| 亚洲精品456在线播放app | 精品一区二区三区四区五区乱码| 亚洲人与动物交配视频| 欧美日韩福利视频一区二区| 成人av在线播放网站| 国产欧美日韩一区二区精品| 午夜精品在线福利| 亚洲成av人片免费观看| 高清毛片免费观看视频网站| 禁无遮挡网站| 精品欧美国产一区二区三| 一边摸一边抽搐一进一小说| 国产精品 国内视频| 中亚洲国语对白在线视频| 国产精品久久久久久人妻精品电影| 综合色av麻豆| 国产精品自产拍在线观看55亚洲| 99国产综合亚洲精品| 久久中文字幕一级| 在线观看美女被高潮喷水网站 | 国产69精品久久久久777片 | 悠悠久久av| 日韩人妻高清精品专区| 久久精品人妻少妇| 国产男靠女视频免费网站| 又粗又爽又猛毛片免费看| 97碰自拍视频| 国产av在哪里看| 最好的美女福利视频网| 91字幕亚洲| 一进一出抽搐gif免费好疼| 日韩欧美 国产精品| 国产精品久久久久久亚洲av鲁大| 人人妻,人人澡人人爽秒播| 欧美又色又爽又黄视频| 亚洲精品在线观看二区| 日韩成人在线观看一区二区三区| 日韩成人在线观看一区二区三区| 少妇人妻一区二区三区视频| 精华霜和精华液先用哪个| 亚洲片人在线观看| 国产高清激情床上av| 美女黄网站色视频| 国产精品,欧美在线| 99精品欧美一区二区三区四区| 免费电影在线观看免费观看| 天堂√8在线中文| 嫩草影院精品99| 一个人免费在线观看的高清视频| 欧美日韩乱码在线| 中国美女看黄片| 久久性视频一级片| 国内精品久久久久久久电影| 久久精品国产99精品国产亚洲性色| 国产成人欧美在线观看| 精品99又大又爽又粗少妇毛片 | 国产综合懂色| 亚洲欧美日韩高清在线视频| 丁香六月欧美| 国产伦一二天堂av在线观看| 又黄又爽又免费观看的视频| 熟女少妇亚洲综合色aaa.| 最新在线观看一区二区三区| 中文字幕人妻丝袜一区二区| 久久精品综合一区二区三区| 国产91精品成人一区二区三区| 午夜免费成人在线视频| 在线视频色国产色| 日本 av在线| 国产成年人精品一区二区| 国产黄a三级三级三级人| 噜噜噜噜噜久久久久久91| 国产精品爽爽va在线观看网站| 叶爱在线成人免费视频播放| 日日干狠狠操夜夜爽| 久久久久国内视频| 在线观看免费午夜福利视频| 又爽又黄无遮挡网站| 国产高清videossex| 啦啦啦观看免费观看视频高清| 天堂av国产一区二区熟女人妻| 亚洲国产日韩欧美精品在线观看 | 好看av亚洲va欧美ⅴa在| 日韩精品中文字幕看吧| 国产亚洲精品久久久久久毛片| 国内少妇人妻偷人精品xxx网站 | 午夜精品久久久久久毛片777| aaaaa片日本免费| 午夜成年电影在线免费观看| 日韩大尺度精品在线看网址| 9191精品国产免费久久| 亚洲午夜精品一区,二区,三区| 日韩中文字幕欧美一区二区| 日韩欧美 国产精品| 2021天堂中文幕一二区在线观| 国内揄拍国产精品人妻在线| 99精品欧美一区二区三区四区| 天天添夜夜摸| 男女视频在线观看网站免费| 一本一本综合久久| 成人三级做爰电影| 精品久久久久久久久久免费视频| 国产亚洲精品综合一区在线观看| 国内精品一区二区在线观看| 人妻夜夜爽99麻豆av| 一级a爱片免费观看的视频| 国产高清视频在线观看网站| 国内毛片毛片毛片毛片毛片| 在线观看午夜福利视频| 国产真实乱freesex| 美女高潮的动态| 日本在线视频免费播放| 国产探花在线观看一区二区| 欧美日韩国产亚洲二区| 日本成人三级电影网站| 老熟妇仑乱视频hdxx| 日韩成人在线观看一区二区三区| 国产精品免费一区二区三区在线| 国产一区二区三区在线臀色熟女| cao死你这个sao货| 一级作爱视频免费观看| 久久草成人影院| 国产精品一区二区免费欧美| 人人妻人人看人人澡| www日本在线高清视频| 免费在线观看影片大全网站| 最新中文字幕久久久久 | 18禁裸乳无遮挡免费网站照片| 国产日本99.免费观看| 日本三级黄在线观看| 美女被艹到高潮喷水动态| 白带黄色成豆腐渣| 久久久久久九九精品二区国产| 午夜a级毛片| 哪里可以看免费的av片| 亚洲av熟女| bbb黄色大片| 欧美极品一区二区三区四区| 久久热在线av| 成人永久免费在线观看视频| 国产午夜福利久久久久久| 91av网一区二区| 琪琪午夜伦伦电影理论片6080| 日本 欧美在线| 国产麻豆成人av免费视频| 欧美国产日韩亚洲一区| 亚洲国产日韩欧美精品在线观看 | 国产精品一区二区精品视频观看| 久久久久久人人人人人| 国产精品久久久人人做人人爽| 亚洲av电影在线进入| 久久精品91无色码中文字幕| 99久久精品国产亚洲精品| av黄色大香蕉| 国产成+人综合+亚洲专区| 免费在线观看影片大全网站| 国产真人三级小视频在线观看| 国产精品九九99| 这个男人来自地球电影免费观看| 亚洲人成伊人成综合网2020| 观看免费一级毛片| 岛国在线观看网站| 老熟妇仑乱视频hdxx| 香蕉av资源在线| 久久久久久大精品| 久久天躁狠狠躁夜夜2o2o| 曰老女人黄片| 老司机深夜福利视频在线观看| 午夜福利高清视频| 亚洲片人在线观看| 91av网站免费观看| 亚洲欧美日韩高清专用| 欧美一级毛片孕妇| 国产伦精品一区二区三区四那| 在线a可以看的网站| 97人妻精品一区二区三区麻豆| 九色成人免费人妻av| 美女cb高潮喷水在线观看 | 国产精品久久久久久亚洲av鲁大| 精品国产美女av久久久久小说| 岛国在线免费视频观看| 一进一出抽搐动态| 精品久久久久久久久久免费视频| 欧美激情久久久久久爽电影| av天堂在线播放| 一二三四社区在线视频社区8| 久久久久久久精品吃奶| 美女高潮的动态| 一级毛片女人18水好多| 午夜两性在线视频| avwww免费| 舔av片在线| 在线观看日韩欧美| 中文字幕最新亚洲高清| 亚洲国产精品合色在线| www.自偷自拍.com| 深夜精品福利| 啪啪无遮挡十八禁网站| 首页视频小说图片口味搜索| 亚洲av中文字字幕乱码综合| 麻豆成人av在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 女生性感内裤真人,穿戴方法视频| 又大又爽又粗| 人妻久久中文字幕网| 波多野结衣巨乳人妻| 日韩欧美 国产精品| 五月玫瑰六月丁香| 最近最新免费中文字幕在线| 少妇的丰满在线观看| 少妇的逼水好多| 1000部很黄的大片| 91麻豆精品激情在线观看国产| 亚洲七黄色美女视频| 99久久精品国产亚洲精品| 人妻丰满熟妇av一区二区三区| 一二三四在线观看免费中文在| 国产精品久久久av美女十八| a级毛片a级免费在线| 国产淫片久久久久久久久 | 九九在线视频观看精品| 午夜福利欧美成人| 国内毛片毛片毛片毛片毛片| 一进一出抽搐动态| 看免费av毛片| 网址你懂的国产日韩在线| 五月伊人婷婷丁香| 国内毛片毛片毛片毛片毛片| 精品无人区乱码1区二区| 欧美最黄视频在线播放免费| 动漫黄色视频在线观看| 一区福利在线观看| 99国产精品一区二区蜜桃av| 性欧美人与动物交配| 午夜日韩欧美国产| 此物有八面人人有两片| 淫秽高清视频在线观看| 国产成人一区二区三区免费视频网站| 亚洲 欧美一区二区三区| 成年女人看的毛片在线观看| 1024香蕉在线观看| 一个人观看的视频www高清免费观看 | a级毛片a级免费在线| 国产真实乱freesex| 日韩大尺度精品在线看网址| 午夜福利在线观看免费完整高清在 | av天堂中文字幕网| 男女下面进入的视频免费午夜| cao死你这个sao货| 亚洲av电影不卡..在线观看| 搞女人的毛片| 久久久国产欧美日韩av| 欧美日韩乱码在线| 精品久久蜜臀av无| 国产成+人综合+亚洲专区| 亚洲乱码一区二区免费版| 成人特级av手机在线观看| 三级毛片av免费| 国产精品野战在线观看| 欧美一区二区精品小视频在线| 亚洲精品色激情综合| tocl精华| 精品国产乱子伦一区二区三区| 国产极品精品免费视频能看的| 国产精品一区二区三区四区久久| 又大又爽又粗| 最近最新中文字幕大全电影3| 精品国产超薄肉色丝袜足j| 天堂动漫精品| 在线观看日韩欧美| 午夜日韩欧美国产| 欧美日本亚洲视频在线播放| 国产一区二区三区在线臀色熟女| 免费在线观看成人毛片| 亚洲国产欧美网| 亚洲美女黄片视频| 日日干狠狠操夜夜爽| 成人三级做爰电影| 欧美日韩精品网址| 中文字幕人成人乱码亚洲影| 亚洲国产精品成人综合色| 丰满人妻熟妇乱又伦精品不卡| 日本成人三级电影网站| 亚洲,欧美精品.| 欧美色视频一区免费| 久久香蕉国产精品| 最近在线观看免费完整版| 午夜精品一区二区三区免费看| 国产高潮美女av| 久久香蕉国产精品| aaaaa片日本免费| 搞女人的毛片| 久久精品夜夜夜夜夜久久蜜豆| 18美女黄网站色大片免费观看| 欧美中文综合在线视频| 黄色日韩在线| 香蕉av资源在线| 亚洲成av人片免费观看| 美女被艹到高潮喷水动态| av天堂在线播放| 91在线精品国自产拍蜜月 | 久久久久性生活片| 亚洲无线观看免费| 国产一区二区在线观看日韩 | 久久精品国产亚洲av香蕉五月| 国产精品 国内视频| 九色国产91popny在线| 99久久久亚洲精品蜜臀av| 久久久精品欧美日韩精品| 亚洲一区高清亚洲精品| 国产精品一区二区三区四区免费观看 | or卡值多少钱| 非洲黑人性xxxx精品又粗又长| 欧美乱色亚洲激情| 午夜a级毛片| 男人的好看免费观看在线视频| 夜夜躁狠狠躁天天躁| 男人舔奶头视频| 制服丝袜大香蕉在线| 亚洲国产中文字幕在线视频| 午夜两性在线视频| 国产黄a三级三级三级人| xxxwww97欧美| 天天一区二区日本电影三级| 久久这里只有精品中国| 欧美乱妇无乱码| 亚洲av成人一区二区三| 亚洲成人精品中文字幕电影| 欧美黑人巨大hd| 久久久精品大字幕| 此物有八面人人有两片| 51午夜福利影视在线观看| av黄色大香蕉| 欧美一区二区精品小视频在线| 国产黄色小视频在线观看| svipshipincom国产片| 日韩中文字幕欧美一区二区| 床上黄色一级片| 一进一出抽搐动态| 熟妇人妻久久中文字幕3abv| 最新中文字幕久久久久 | 亚洲国产精品久久男人天堂| 亚洲人成网站在线播放欧美日韩| 国产高清视频在线观看网站| 午夜激情欧美在线| 在线十欧美十亚洲十日本专区| av欧美777| 国产亚洲av嫩草精品影院| 99久久精品一区二区三区| 丁香欧美五月| 久久九九热精品免费| 99国产精品99久久久久| 搡老岳熟女国产| 99riav亚洲国产免费| 一级毛片精品| www日本黄色视频网| 18禁裸乳无遮挡免费网站照片| 国产激情偷乱视频一区二区| 国产一区二区在线观看日韩 | 国产伦精品一区二区三区视频9 | 欧美黑人欧美精品刺激| 午夜激情欧美在线| 老熟妇乱子伦视频在线观看| 国产精品免费一区二区三区在线| 操出白浆在线播放| 成人高潮视频无遮挡免费网站| 男女床上黄色一级片免费看| 日本撒尿小便嘘嘘汇集6| 曰老女人黄片| 久久久水蜜桃国产精品网| av片东京热男人的天堂| 国产乱人伦免费视频| 欧美一区二区国产精品久久精品| 老司机午夜福利在线观看视频| 九九在线视频观看精品| 综合色av麻豆| 中文字幕最新亚洲高清| 好男人电影高清在线观看| 91久久精品国产一区二区成人 | 午夜福利视频1000在线观看| 久久精品国产综合久久久| 久久亚洲精品不卡| 一进一出抽搐动态| 一个人看的www免费观看视频| 女生性感内裤真人,穿戴方法视频| 精品99又大又爽又粗少妇毛片 | 中文字幕久久专区| 又粗又爽又猛毛片免费看| 亚洲aⅴ乱码一区二区在线播放| 窝窝影院91人妻| 少妇丰满av| 午夜精品久久久久久毛片777| 国语自产精品视频在线第100页| 亚洲精品粉嫩美女一区| 欧美日韩亚洲国产一区二区在线观看| 午夜视频精品福利| 日日干狠狠操夜夜爽| 可以在线观看毛片的网站| 午夜福利欧美成人| 黄色片一级片一级黄色片| 免费av不卡在线播放| 亚洲中文av在线| 国产高清videossex| 国产av在哪里看| 日本一二三区视频观看| 人人妻人人看人人澡| 国产私拍福利视频在线观看| 美女黄网站色视频| 首页视频小说图片口味搜索| 九九在线视频观看精品| 免费大片18禁| 免费观看精品视频网站| 国产精品久久久av美女十八| av女优亚洲男人天堂 | 亚洲九九香蕉| 最近最新中文字幕大全电影3| 亚洲欧美日韩无卡精品| 久久午夜亚洲精品久久| 亚洲午夜精品一区,二区,三区| 嫩草影院精品99| 亚洲人成网站高清观看| av国产免费在线观看| 欧美日韩一级在线毛片| 一级黄色大片毛片| 精品国产乱码久久久久久男人| 脱女人内裤的视频| 久久精品夜夜夜夜夜久久蜜豆| 在线免费观看不下载黄p国产 | 亚洲中文字幕日韩| 免费看美女性在线毛片视频| 久久久精品大字幕| 最新中文字幕久久久久 | 精品国内亚洲2022精品成人| 国产高清激情床上av| 日本撒尿小便嘘嘘汇集6| 欧美三级亚洲精品| 99国产精品一区二区蜜桃av| 国产精品野战在线观看| 在线免费观看的www视频| 久久草成人影院| 精品人妻1区二区| 性色avwww在线观看| 又黄又爽又免费观看的视频| 色综合站精品国产| 午夜精品一区二区三区免费看| 一级a爱片免费观看的视频| 国产成人aa在线观看| 又紧又爽又黄一区二区| 亚洲欧美日韩卡通动漫| 一级毛片精品| 亚洲18禁久久av| 国产精品久久电影中文字幕| 村上凉子中文字幕在线| 欧美成狂野欧美在线观看| 婷婷精品国产亚洲av| 亚洲九九香蕉| 国产伦精品一区二区三区四那| 91麻豆精品激情在线观看国产| 99久国产av精品| 国产精品影院久久| 亚洲色图 男人天堂 中文字幕| 亚洲中文字幕日韩| 亚洲国产欧美一区二区综合| 好看av亚洲va欧美ⅴa在| 国产av不卡久久| 成人国产一区最新在线观看| cao死你这个sao货| 中文资源天堂在线| 日韩三级视频一区二区三区| 最近最新中文字幕大全电影3| www日本黄色视频网| 欧美3d第一页| www.自偷自拍.com| 亚洲色图 男人天堂 中文字幕| 三级男女做爰猛烈吃奶摸视频| 国产伦人伦偷精品视频| 国产精品野战在线观看| 十八禁网站免费在线| 丰满人妻熟妇乱又伦精品不卡| 日韩成人在线观看一区二区三区| 99久久精品国产亚洲精品| 久久精品人妻少妇| 后天国语完整版免费观看| 中文亚洲av片在线观看爽| 国产精品久久视频播放| 激情在线观看视频在线高清| 免费看美女性在线毛片视频| 看黄色毛片网站| 变态另类丝袜制服| 怎么达到女性高潮| 日韩欧美三级三区| 精品久久久久久久久久久久久| 国产不卡一卡二| 99久国产av精品| 精品久久久久久,| 久久这里只有精品19| www.自偷自拍.com| 可以在线观看的亚洲视频| 麻豆久久精品国产亚洲av| 51午夜福利影视在线观看| www.熟女人妻精品国产| 午夜a级毛片| 国产亚洲欧美98| 99视频精品全部免费 在线 | 美女被艹到高潮喷水动态| 长腿黑丝高跟| 午夜精品一区二区三区免费看| 宅男免费午夜| 国产aⅴ精品一区二区三区波| 在线观看一区二区三区| 校园春色视频在线观看| www日本黄色视频网| 特大巨黑吊av在线直播| 美女免费视频网站| 91麻豆av在线| 99re在线观看精品视频| 色av中文字幕| 中文字幕人成人乱码亚洲影| 久久精品国产99精品国产亚洲性色| 天天躁狠狠躁夜夜躁狠狠躁| 又爽又黄无遮挡网站| 亚洲国产精品sss在线观看| 性欧美人与动物交配| 97人妻精品一区二区三区麻豆| 久久精品国产99精品国产亚洲性色| 免费看a级黄色片| 日本撒尿小便嘘嘘汇集6| 婷婷精品国产亚洲av在线| 非洲黑人性xxxx精品又粗又长| 国产高清视频在线播放一区| 两性夫妻黄色片| 亚洲精品在线美女| 青草久久国产| 麻豆久久精品国产亚洲av| 成人av在线播放网站| 日韩人妻高清精品专区| aaaaa片日本免费| 无遮挡黄片免费观看| 亚洲一区高清亚洲精品| 天天躁狠狠躁夜夜躁狠狠躁| 狂野欧美激情性xxxx| 丁香欧美五月| 亚洲第一欧美日韩一区二区三区| 五月伊人婷婷丁香| 国产激情久久老熟女| 在线永久观看黄色视频| 观看免费一级毛片| 亚洲熟妇中文字幕五十中出| 欧美最黄视频在线播放免费| 亚洲精品国产精品久久久不卡| 波多野结衣巨乳人妻| 舔av片在线| 又黄又粗又硬又大视频| 岛国在线免费视频观看| 婷婷亚洲欧美| 欧美黑人巨大hd| 在线观看免费视频日本深夜| 高清毛片免费观看视频网站| 日本黄大片高清| 一进一出抽搐动态| 久久欧美精品欧美久久欧美| 国产97色在线日韩免费| 国产成人系列免费观看| 日韩欧美在线二视频|