• <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 ?

    面向無序抓取的DPC聚類多目標(biāo)檢測方法研究

    2023-12-11 07:11:30陳澤瑜李向國曹登鋒朱燈林
    計算機(jī)工程與應(yīng)用 2023年23期
    關(guān)鍵詞:聚類閾值數(shù)量

    陳澤瑜,李向國,曹登鋒,朱燈林

    河海大學(xué) 機(jī)電工程學(xué)院,江蘇 常州 213022

    無序抓取是機(jī)器人領(lǐng)域中的一個重要的研究方向,該技術(shù)通過相機(jī)采集場景信息,檢測目標(biāo)物體,并計算物體的位置、姿態(tài)等信息,再將信息傳輸給機(jī)械臂,機(jī)械臂根據(jù)得到的信息進(jìn)行抓取,構(gòu)成一個完整的閉環(huán)控制系統(tǒng)[1-2]。對于抓取任務(wù)來說,能夠在場景中正確檢測和識別目標(biāo)是實(shí)現(xiàn)抓取的前提條件。在無序抓取中,通常還需要對一些堆疊的工件進(jìn)行檢測與計算,得到最適合抓取目標(biāo)物體個數(shù)以及每個目標(biāo)的位姿,然后引導(dǎo)機(jī)械臂進(jìn)行抓取[3-4]。

    抓取的前提是識別和檢測。在以往的研究中,常用的目標(biāo)檢測方法包括閾值分割[5]、模板匹配以及基于深度學(xué)習(xí)[6]的方法?;陂撝捣指畹哪繕?biāo)檢測方法將圖像的前景和背景分割開,通過分析前景中物體的特征來進(jìn)行檢測,但是這種方法檢測效果不穩(wěn)定,一般較少使用。基于模板匹配的目標(biāo)檢測方法包括基于二維圖像的匹配以及基于三維點(diǎn)云的匹配。其中基于二維圖像的匹配包括基于灰度的模板匹配、基于形狀的模板匹配[7-8]以及基于特征點(diǎn)的模板匹配[9-10]。由于圖像的特征點(diǎn)具有旋轉(zhuǎn)以及尺度不變性,一般常使用特征點(diǎn)來進(jìn)行檢測。常用的特征點(diǎn)匹配算法包括尺度不變特征變換(scale invariant feature transform,SIFT)[11]、加速穩(wěn)健特征(speeded up robust features,SURF)[12]以及旋轉(zhuǎn)不變特征檢測(oriented FAST and rotated BRIEF,ORB)算法[13]。近年來,基于深度學(xué)習(xí)的目標(biāo)檢測方式成為該領(lǐng)域的研究熱點(diǎn),其不僅具有較高的檢測速度,并且能夠達(dá)到較高的準(zhǔn)確率[14]。但是該方式需要龐大的數(shù)據(jù)集進(jìn)行訓(xùn)練,數(shù)據(jù)集的獲取以及昂貴的標(biāo)注成本限制了其應(yīng)用,并且該方式不適用于抓取目標(biāo)經(jīng)常變換的場景。

    針對目標(biāo)檢測,許多研究者對傳統(tǒng)的模板匹配檢測方式進(jìn)行了改進(jìn)。惠記莊等人[15]在機(jī)械臂的抓取應(yīng)用中,將SURF和BRISK算法結(jié)合對圖像進(jìn)行特征提取并匹配,然后使用MSAC算法進(jìn)行二次匹配消除誤匹配點(diǎn)計算仿射變換參數(shù),從而實(shí)現(xiàn)場景中的目標(biāo)檢測。該方法在忽略特殊幾何畸變的條件下,對復(fù)雜環(huán)境具有很強(qiáng)的適應(yīng)能力。但是該算法最終得到的匹配點(diǎn)數(shù)量較少,不適用于對弱紋理目標(biāo)的檢測。Li 等人[16]通過提取場景圖片和模板圖片的ORB 特征點(diǎn),引入基于網(wǎng)格運(yùn)動靜力學(xué)(grid-based motion statics,GMS)的運(yùn)動平滑度對匹配點(diǎn)進(jìn)行評估以去除錯誤匹配,然后將圖像劃分為多個單元圖像,根據(jù)每個單元中特征點(diǎn)的數(shù)量計算網(wǎng)格中心權(quán)重,進(jìn)而計算檢測目標(biāo)的中心,生成檢測框。該算法具有較高的檢測速度和精度,但是當(dāng)從不同的角度拍攝圖片時,會出現(xiàn)檢測框發(fā)生偏移的情況,不適合應(yīng)用在無序抓取中。Wei等人[17]使用基于輪廓的模板匹配來進(jìn)行目標(biāo)識別,首先提取模板圖像和待檢測圖像輪廓,并使用對于平移、旋轉(zhuǎn)、縮放和變形具有魯棒性的MTCD描述子對輪廓進(jìn)行描述,通過計算描述符之間的差異來識別目標(biāo)。該算法為了消除圖像中的冗余信息,使用超像素分割結(jié)合啟發(fā)式搜索的方式進(jìn)行匹配,并且圖像描述符的計算復(fù)雜,檢測速度較慢。陶杰等人[18]通過深度相機(jī)采集目標(biāo)的點(diǎn)云信息,并使用點(diǎn)對特征法(point-pair-feature,PPF)描述模型點(diǎn)云和目標(biāo)點(diǎn)云的特征,最后使用投票方案返回場景中與模型最佳匹配的目標(biāo)。該方法使用深度相機(jī)進(jìn)行點(diǎn)云采集,相較于普通相機(jī)成本較高,并且在檢測出的結(jié)果中未定義抓取優(yōu)先級,無法保證機(jī)械臂每次都進(jìn)行最優(yōu)抓取。Zhao等人[19]在機(jī)械臂的無序抓取應(yīng)用中使用一種名為MSG_SHOT的描述符對模型點(diǎn)云和場景點(diǎn)云進(jìn)行描述,并根據(jù)描述符對點(diǎn)云進(jìn)行匹配,大大提高了系統(tǒng)在有雜波干擾和遮擋場景目標(biāo)識別精度,并將應(yīng)用場景從3D 點(diǎn)云擴(kuò)展到2.5D 深度信息,但是該算法使用的是局部特征描述子,計算復(fù)雜度高,實(shí)時性較差。

    在無序抓取過程中,相機(jī)視野內(nèi)可能存在多個相同的目標(biāo),為了盡可能多且準(zhǔn)確地檢測出可抓取目標(biāo),提出一種基于密度峰值聚類(density peaks clustering,DPC)的多目標(biāo)檢測算法,該算法可以同時檢測出相機(jī)視野內(nèi)的多個相同目標(biāo),并按照設(shè)定的規(guī)則進(jìn)行優(yōu)先級排序,從而提高無序抓取的成功率。并且該算法僅使用普通相機(jī)即可實(shí)現(xiàn),與深度相機(jī)的點(diǎn)云匹配方法以及基于深度學(xué)習(xí)的多目標(biāo)檢測算法相比,該算法的實(shí)現(xiàn)成本較低,適用性好,有利于部署到無序抓取應(yīng)用中。

    1 多目標(biāo)檢測算法設(shè)計

    1.1 特征點(diǎn)的DPC聚類

    常用的特征點(diǎn)檢測方法有SIFT、SURF 以及ORB。其中SIFT 算法是經(jīng)典的特征點(diǎn)檢測算法之一,相較于SURF 以及ORB,其檢測精度較高,具有較好的旋轉(zhuǎn)及尺度不變性。為了保證目標(biāo)檢測的準(zhǔn)確率,使用基于SIFT特征點(diǎn)的模板匹配方式進(jìn)行檢測。

    分別提取模板圖像和待檢測圖像中的SIFT特征點(diǎn)進(jìn)行匹配。然而,當(dāng)待檢測圖像中存在多個相同的目標(biāo)物體時,圖像中往往會出現(xiàn)大量相同的特征點(diǎn)。如果直接進(jìn)行匹配,就會有很多相同的特征點(diǎn)與模板圖像的同一個特征點(diǎn)匹配成功,這會使模板不確定與哪一個目標(biāo)進(jìn)行匹配,從而導(dǎo)致檢測失敗。這是由于傳統(tǒng)的模板匹配方法是將待檢測圖像中的特征點(diǎn)看作是一個集合,用模板圖像中的特征點(diǎn)和該集合中的特征點(diǎn)進(jìn)行匹配,所以每次只能檢測出一個目標(biāo)。采用聚類算法能夠?qū)⒋龣z測圖像的特征點(diǎn)分為屬于不同目標(biāo)的特征點(diǎn)集合,將模板圖像中的特征點(diǎn)與不同目標(biāo)的特征點(diǎn)集合分別進(jìn)行匹配,從而實(shí)現(xiàn)一次檢測多個目標(biāo)。

    在現(xiàn)有的多目標(biāo)檢測算法中,常使用K-means算法對目標(biāo)特征進(jìn)行聚類[20],但是該算法需要預(yù)先輸入聚類中心個數(shù),并且聚類結(jié)果嚴(yán)重依賴于初始聚類中心的選取。而聚類中心的個數(shù)在實(shí)際的應(yīng)用場景中很難事先確定。為了提高無序抓取系統(tǒng)的自動化程度,提出使用DPC算法對特征點(diǎn)進(jìn)行聚類,該算法可以在不預(yù)先確定聚類中心數(shù)量的情況下根據(jù)圖像中的特征點(diǎn)分布自動完成聚類。DPC 算法基于兩個基本假設(shè):(1)聚類中心(密度峰值點(diǎn))的局部密度大于圍繞它的其他點(diǎn)的密度;(2)不同聚類中心的距離相對較遠(yuǎn)。

    首先使用SIFT 算法提取待檢測圖像的特征點(diǎn),并存儲在集合表示該集合中特征點(diǎn)的索引值,采用dij=dist{(xi,yi),(xj,yj)} 表示兩個特征點(diǎn)之間的歐氏距離。然后,對于集合S中的任何一個特征點(diǎn),計算其局部密度ρi和相對距離δi兩個指標(biāo),其中:

    式中,ρi為第i個特征點(diǎn)的局部密度,dij為第i個和第j個特征點(diǎn)之間的距離,dc為截斷距離。

    由上式可知,γi越大,點(diǎn)(xi,yi)為聚類中心的可能性越大。得到特征點(diǎn)集中每個點(diǎn)的γ值后,對γ進(jìn)行排序,選擇γ較大的點(diǎn)作為聚類中心。計算特征點(diǎn)集中每個數(shù)據(jù)點(diǎn)與所有聚類中心點(diǎn)之間的距離,并將其劃分到距離該點(diǎn)最近且密度比該點(diǎn)密度大的聚類中心完成聚類,最終將特征點(diǎn)劃分為屬于不同聚類中心地特征點(diǎn)子集mi。目標(biāo)不同放置情況下的特征點(diǎn)聚類結(jié)果如圖1所示,圖像中不同顏色的點(diǎn)分別代表屬于不同聚類中心的特征點(diǎn)。

    圖1 目標(biāo)特征點(diǎn)聚類分析Fig.1 Target feature point clustering analysis

    1.2 多目標(biāo)檢測

    待檢測圖像的特征點(diǎn)經(jīng)過DPC 算法聚類之后,得到聚類結(jié)果M(m1,m2,…,mi,…,mn),其中mi={(xi1,yi1),(xi2,yi2),…,(xij,yij)}表示屬于第i個聚類中心的特征點(diǎn)集合。將屬于不同聚類中心的特征點(diǎn)分別與模板圖像中的特征點(diǎn)進(jìn)行匹配,得到每個目標(biāo)的匹配點(diǎn)對集合,匹配點(diǎn)對中不可避免地會出現(xiàn)錯誤,需要進(jìn)行提純。

    在所有特征點(diǎn)提純算法中,RANSAC 算法實(shí)現(xiàn)起來相對簡單,并且該算法對于噪聲以及異常值具有魯棒性,適用于無序抓取中場景存在噪點(diǎn)的情況。此外,OpenCV還對該算法進(jìn)行了優(yōu)化,使運(yùn)算速度進(jìn)一步提高。因此,使用RANSAC算法去除誤匹配點(diǎn)。

    根據(jù)去除誤匹配后的匹配點(diǎn)計算模板圖像和待檢測圖像中目標(biāo)的單應(yīng)矩陣,將模板圖像映射到待檢測圖像上,實(shí)現(xiàn)目標(biāo)檢測。轉(zhuǎn)換關(guān)系如公式(6)所示:

    式中,(x′,y′)表示模板圖像中的特征點(diǎn),(x,y)表示待檢測圖像中的特征點(diǎn),s為尺度參數(shù),H為單應(yīng)矩陣。

    RANSAC 算法計算目標(biāo)單應(yīng)矩陣的流程如圖2 所示。首先從聚類結(jié)果M(m1,m2,…,mi,…,mn)中選取某個目標(biāo)的點(diǎn)集mk,再從該點(diǎn)集中抽取子集,計算初始單應(yīng)矩陣。然后根據(jù)初始單應(yīng)矩陣計算其余點(diǎn)的實(shí)際坐標(biāo)和計算坐標(biāo)之間的差值,統(tǒng)計每次迭代的內(nèi)點(diǎn)數(shù)量并與當(dāng)前最大內(nèi)點(diǎn)數(shù)量Nmax進(jìn)行比較,判斷是否需要更新Nmax。最后,將內(nèi)點(diǎn)數(shù)量最多的單應(yīng)矩陣作為該目標(biāo)正確的單應(yīng)矩陣。

    圖2 RANSAC算法流程圖Fig.2 RANSAC algorithm flow chart

    經(jīng)過迭代計算的單應(yīng)矩陣中,有一部分是根據(jù)較少的匹配點(diǎn)得到的。而從理論上說,如果要實(shí)現(xiàn)一個目標(biāo)的正確檢測,需要有足夠多匹配點(diǎn)為支撐。當(dāng)一個目標(biāo)的匹配點(diǎn)數(shù)量較少的時候,該目標(biāo)為錯誤檢測結(jié)果的概率較大。因此,設(shè)置一個最少匹配點(diǎn)數(shù)量Th作為閾值,只有當(dāng)目標(biāo)與模板的正確匹配點(diǎn)個數(shù)大于此閾值的時候,才能認(rèn)為該目標(biāo)是一個正確的檢測結(jié)果;反之,認(rèn)為該目標(biāo)檢測錯誤,并將其舍棄。為了能夠適應(yīng)不同的場景,提出一種自適應(yīng)閾值選取方式。經(jīng)研究發(fā)現(xiàn),在不同的場景中,目標(biāo)的匹配點(diǎn)數(shù)量小于場景中最多匹配點(diǎn)數(shù)量的50%時,該目標(biāo)較大概率為錯誤檢測結(jié)果。因此,將閾值Th設(shè)為最多匹配點(diǎn)數(shù)量的50%。該方法實(shí)現(xiàn)簡單,能夠以極低的代價去除錯誤檢測結(jié)果。

    上述步驟的檢測結(jié)果中包括一些被遮擋的目標(biāo),為了實(shí)現(xiàn)抓取,還需要找到可抓取目標(biāo)。首先,將上述檢測到的目標(biāo)按照內(nèi)點(diǎn)數(shù)量進(jìn)行降序排列,其中內(nèi)點(diǎn)數(shù)量最多的目標(biāo)一定是可抓取目標(biāo)。設(shè)置閾值λ,將內(nèi)點(diǎn)數(shù)量與最多匹配點(diǎn)數(shù)量的差小于閾值λ的目標(biāo)當(dāng)作可抓取目標(biāo),放入可抓取目標(biāo)集合O中,其余目標(biāo)進(jìn)行舍棄。然后,在可抓取目標(biāo)集合O中,根據(jù)每個目標(biāo)的質(zhì)心到圖像中心的距離進(jìn)行抓取優(yōu)先級排序。

    為了使機(jī)械臂能夠準(zhǔn)確地抓取物體,還需要使用ad-census立體匹配算法[21]計算場景視差圖,根據(jù)雙目成像原理計算可抓取目標(biāo)上某些特征點(diǎn)的三維坐標(biāo)。然后,將世界坐標(biāo)系下的三維坐標(biāo)與圖像坐標(biāo)系下的二維坐標(biāo)進(jìn)行一一對應(yīng),使用投影尋蹤算法(perspective-npoint algorithm,PNP)計算目標(biāo)物體在世界坐標(biāo)系下的位姿。將計算的目標(biāo)物體的三維信息傳輸給機(jī)械臂,機(jī)械臂根據(jù)目標(biāo)的位置、姿態(tài)以及優(yōu)先級進(jìn)行抓取。圖3展示了完整的面向無序抓取的多目標(biāo)檢測流程。

    圖3 DPC多目標(biāo)檢測流程Fig.3 DPC multi-target detection process

    2 多目標(biāo)檢測實(shí)驗(yàn)驗(yàn)證與分析

    2.1 目標(biāo)檢測實(shí)驗(yàn)

    實(shí)驗(yàn)使用的硬件平臺為Intel Core i5-7300HQ,CPU 主頻為2.5 GHz,內(nèi)存容量為8 GB,操作系統(tǒng)為Windows 10 x64。使用C++語言結(jié)合OpenCV視覺庫,在Visio Studio 2019 中進(jìn)行開發(fā)。實(shí)驗(yàn)中的參數(shù)設(shè)置如表1所示。

    表1 實(shí)驗(yàn)參數(shù)表Table 1 Experimental parameters table

    首先在Visio studio 2019 中使用C++語言調(diào)用OpenCV視覺庫,直接調(diào)用OpenCV中SIFT算法,提取模板圖像和待檢測圖像的特征點(diǎn),并生成SIFT 特征描述子進(jìn)行存儲。模板和待檢測圖像的特征點(diǎn)如圖4所示。

    圖4 模板圖像和待檢測圖像的SIFT特征點(diǎn)Fig.4 SIFT feature points of template image and image to be detected

    然后使用DPC算法對待檢測圖像中的特征點(diǎn)進(jìn)行聚類,得到的聚類中心如圖5 所示,其中不同顏色的點(diǎn)代表不同的聚類中心,每個聚類中心的坐標(biāo)以及屬于每個聚類中心的特征點(diǎn)個數(shù)如表2所示。

    表2 聚類中心坐標(biāo)及特征點(diǎn)個數(shù)Table 2 Clustering center coordinates and number of feature points

    圖5 DPC聚類得到的聚類中心Fig.5 Clustering centers obtained by DPC clustering

    從圖5 和表2 中可以看出,在待檢測圖像中有6 個目標(biāo)的情況下,DPC算法得到的6個聚類中心中有兩個(藍(lán)、灰)位于同一目標(biāo)上,這會導(dǎo)致最終的檢測結(jié)果出現(xiàn)錯誤。原因在于待檢測圖像中特征點(diǎn)之間相互連接,分布不均勻,在聚類過程中較為稀疏的特征點(diǎn)區(qū)域中的密度峰值點(diǎn)可能會被誤認(rèn)為是噪聲點(diǎn),從而導(dǎo)致聚類錯誤。并且在待檢測圖像中不僅包括目標(biāo)物體的特征點(diǎn),還不可避免地存在一些背景特征點(diǎn)以及噪聲點(diǎn),這些除目標(biāo)特征點(diǎn)之外的干擾點(diǎn)也會對聚類結(jié)果產(chǎn)生影響。因此,僅僅依靠DPC 聚類無法正確檢測圖像中的多個目標(biāo)物體,還需要對聚類結(jié)果進(jìn)行篩選,以確保多目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性。

    將聚類之后的特征點(diǎn)集分別與模板圖像進(jìn)行匹配,并使用RANSAC 算法去除誤匹配點(diǎn),計算每個目標(biāo)的單應(yīng)矩陣,并將模板圖像的四個邊緣點(diǎn)映射到待檢測圖像上,生成檢測框。圖6展示了RANSAC算法處理的結(jié)果,每個聚類目標(biāo)的內(nèi)點(diǎn)數(shù)量如表3所示。

    表3 每個目標(biāo)匹配點(diǎn)數(shù)量Table 3 Number of matching points per target

    圖6 RANSAC處理前后的匹配點(diǎn)Fig.6 Matching points before and after RANSAC processing

    為了去除由于匹配點(diǎn)數(shù)量少導(dǎo)致的錯誤檢測結(jié)果,設(shè)置最少匹配點(diǎn)數(shù)量閾值Th對檢測結(jié)果進(jìn)行過濾。在圖5的場景下,所有的檢測結(jié)果中目標(biāo)所具有的最多匹配點(diǎn)數(shù)量為65,將最多匹配點(diǎn)數(shù)量的50%即32設(shè)置為閾值,匹配點(diǎn)數(shù)量小于該閾值的目標(biāo)被舍棄。由表3 可知,經(jīng)過閾值篩選之后,圖像中能夠正確檢測出5 個目標(biāo),檢測結(jié)果如圖7 所示。圖7 中紅色邊框標(biāo)記的為檢測出的目標(biāo)物體。證明了所提多目標(biāo)檢測算法的有效性。

    圖7 篩選前后檢測結(jié)果比較Fig.7 Comparison of test results before and after screening

    而在實(shí)際的無序抓取應(yīng)用中,不需要一次將場景中的所有目標(biāo)都檢測出來,只需要保證不出現(xiàn)檢測錯誤即可。因此,實(shí)際應(yīng)用場景中的閾值選取可以適當(dāng)偏大。

    2.2 對比實(shí)驗(yàn)及理論分析

    從圖7可以看出,使用DPC聚類多目標(biāo)檢測算法能夠正確檢測出場景中的目標(biāo)物體。但是實(shí)際上,算法的檢測結(jié)果不僅與閾值的選取有關(guān),還與截斷距離以及聚類中心個數(shù)有關(guān)。為了確定不同聚類中心個數(shù)對目標(biāo)檢測結(jié)果的影響,選用不同的截斷距離進(jìn)行多目標(biāo)檢測實(shí)驗(yàn)。圖8 顯示了使用不同截斷距離所獲得的聚類中心個數(shù)以及最終的檢測結(jié)果。實(shí)驗(yàn)發(fā)現(xiàn),隨著截斷距離的增大或減小,聚類中心的數(shù)量總體上也是隨之減少和增多的。經(jīng)分析發(fā)現(xiàn),截斷距離增大,相當(dāng)于每個特征點(diǎn)的搜索鄰域增大,會將更大范圍的特征點(diǎn)聚類在一起,因此聚類中心的數(shù)量減少,而最終能夠檢測到的目標(biāo)數(shù)量也會減少;反之,截斷距離減小,聚類中心的數(shù)量增多,能夠檢測到的目標(biāo)數(shù)量也增多。但是當(dāng)截斷距離小于一定范圍,聚類中心個數(shù)超過一定數(shù)值之后,圖像中的特征點(diǎn)總數(shù)不變,屬于每個聚類中心的特征點(diǎn)數(shù)量變少,在與模板圖像進(jìn)行匹配時得到的正確匹配點(diǎn)數(shù)量也變少,達(dá)不到正確檢測所需要的最小匹配點(diǎn)數(shù)量,因此會出現(xiàn)較多的錯誤檢測結(jié)果,如圖8(f)所示。所以,在實(shí)際的應(yīng)用場景中,截斷距離的選取既不能過大,也不能過小。

    圖8 不同聚類中心個數(shù)的檢測結(jié)果Fig.8 Detection results of number of different clustering centers

    在如圖4的場景中,選取截斷距離dc=37 結(jié)合最少匹配點(diǎn)數(shù)量閾值能夠?qū)⒛繕?biāo)全部正確地檢測出來。但是在實(shí)際的無序抓取應(yīng)用中,不需要一次將視場中的目標(biāo)全部檢測出來,所以對截斷距離的選取不需要十分嚴(yán)格。在實(shí)際應(yīng)用中可以通過實(shí)驗(yàn)選取不同的截斷距離,從而得到不同的聚類中心個數(shù),選擇檢測效果較好的作為最終的截斷距離。

    為了驗(yàn)證使用SIFT算法的必要性,設(shè)置對比實(shí)驗(yàn),將使用SURF、ORB算法的檢測結(jié)果和使用SIFT算法的檢測結(jié)果進(jìn)行比較,兩種算法的檢測結(jié)果如圖9所示。

    與使用SIFT特征點(diǎn)的算法相比,使用SURF特征點(diǎn)的多目標(biāo)檢測算法能夠檢測出場景中的多個目標(biāo)物體。然而,該算法的個別目標(biāo)檢測結(jié)果會出現(xiàn)較大的偏差,如圖9(a)所示。相比之下,使用ORB特征點(diǎn)進(jìn)行多目標(biāo)檢測則無法正確檢測出目標(biāo)物體,如圖9(b)所示。分析結(jié)果表明,這是由于SURF算法在特征點(diǎn)檢測和描述符生成過程中采用了一些優(yōu)化算法以降低計算復(fù)雜度,從而導(dǎo)致描述符的精確度降低,進(jìn)而在匹配過程中出現(xiàn)錯誤,影響檢測的準(zhǔn)確性。而ORB 算法提取出的特征點(diǎn)數(shù)量相對于SIFT 算法較少,且這些特征點(diǎn)聚集在“純牛奶”三個字附近,容易在聚類過程中出現(xiàn)錯誤。此外,ORB 特征點(diǎn)采用二進(jìn)制描述子并使用一些近似的方式計算描述符方向,降低了描述符的精度及圖像對旋轉(zhuǎn)和尺度變化的魯棒性,從而導(dǎo)致特征點(diǎn)匹配的過程中出現(xiàn)了大量的錯誤匹配。即使經(jīng)過RANSAC算法篩選,這些誤匹配也無法完全消除,因此無法正確檢測出目標(biāo)。

    2.3 可抓取目標(biāo)檢測

    為了使機(jī)械臂能夠進(jìn)行正確的抓取,需要在檢測結(jié)果中找到可抓取目標(biāo)。在所有檢測的結(jié)果中,匹配點(diǎn)數(shù)量最多的目標(biāo)一定是沒有被遮擋的可抓取目標(biāo),其抓取優(yōu)先級相對較高。當(dāng)圖像中存在多個可抓取目標(biāo)的時候,通過計算目標(biāo)匹配點(diǎn)數(shù)量與最多匹配點(diǎn)數(shù)量的差值來進(jìn)行判斷。根據(jù)實(shí)驗(yàn)發(fā)現(xiàn),如果目標(biāo)的匹配點(diǎn)數(shù)量與最多匹配數(shù)量相差超過10%,則該目標(biāo)較大概率為被遮擋目標(biāo)。因此,在如圖10的實(shí)驗(yàn)場景下,設(shè)置閾值λ為7。當(dāng)差值小于閾值則認(rèn)為目標(biāo)未被遮擋,為可抓取目標(biāo),并放入可抓取目標(biāo)集合,最終將可抓取目標(biāo)信息傳輸給機(jī)械臂進(jìn)行抓取??勺ト∧繕?biāo)的篩選結(jié)果如圖10所示,其中綠色邊框?yàn)樽R別的可抓取目標(biāo)。

    圖10 目標(biāo)中的可抓取目標(biāo)Fig.10 Capturable targets in target

    對于如圖10(a)所示堆疊目標(biāo)圖像,最終如圖10(a)中綠框所示檢測到一個可抓取目標(biāo)。對于如圖10(b)所示平鋪目標(biāo),選取截斷距離以及篩選閾值,最終可以檢測到3個可抓取目標(biāo)。為了便于抓取,根據(jù)每個目標(biāo)形心坐標(biāo)到圖像中心的距離進(jìn)行抓取優(yōu)先級排序,排序結(jié)果列于表4。

    表4 圖10(b)中目標(biāo)優(yōu)先級排序Table 4 Target prioritization in Figure 10(b)

    檢測出可抓取目標(biāo)之后,使用ad-census 立體匹配算法計算場景的視差圖,并根據(jù)標(biāo)定得到的相機(jī)內(nèi)外參數(shù)重建牛奶盒左上、右上、左下、右下四個特征角點(diǎn)的三維坐標(biāo)。根據(jù)目標(biāo)檢測結(jié)果將角點(diǎn)在圖像上的二維坐標(biāo)和三維坐標(biāo)進(jìn)行一一對應(yīng),最后使用PNP算法計算目標(biāo)的位姿,用齊次變換矩陣表示。結(jié)果列于表5。

    表5 圖10(b)中可抓取目標(biāo)位姿Table 5 Graspable target pose in Figure 10(b)

    計算出位姿信息之后,將每個目標(biāo)的位姿信息發(fā)送給機(jī)械臂。機(jī)械臂根據(jù)目標(biāo)的抓取優(yōu)先級、位姿信息進(jìn)行抓取。

    3 結(jié)束語

    在無序抓取應(yīng)用中,目標(biāo)檢測的準(zhǔn)確性是實(shí)現(xiàn)成功抓取的前提。然而,當(dāng)圖像中存在多個相同目標(biāo)時,容易導(dǎo)致目標(biāo)檢測失敗。為了盡可能多地從場景中正確檢測出目標(biāo),提出使用DPC聚類算法進(jìn)行多目標(biāo)檢測。首先提取模板圖像和待檢測圖像的SIFT 特征點(diǎn),使用DPC算法對特征點(diǎn)進(jìn)行聚類,將聚類后的特征點(diǎn)分別與模板圖像中的特征點(diǎn)進(jìn)行匹配,并使用RANSAC 算法去除誤匹配點(diǎn)。然后,根據(jù)每個目標(biāo)匹配點(diǎn)的數(shù)量來篩選正確的檢測目標(biāo),并根據(jù)目標(biāo)匹配點(diǎn)數(shù)量與最多匹配點(diǎn)數(shù)量的差值來篩選圖像中的可抓取目標(biāo)?;诿總€目標(biāo)的形心坐標(biāo)到圖像中心的距離來設(shè)置可抓取目標(biāo)的優(yōu)先級。最后使用立體匹配算法得到場景視差圖,計算目標(biāo)特征點(diǎn)的三維坐標(biāo),并根據(jù)三維坐標(biāo)和二維坐標(biāo)的對應(yīng)關(guān)系使用PNP 算法計算目標(biāo)的位姿信息。實(shí)驗(yàn)表明,基于DPC 聚類的特征點(diǎn)模板匹配方式能夠檢測出圖像中的多個目標(biāo),包括圖像中的被遮擋目標(biāo),并且能夠根據(jù)閾值篩選出多個目標(biāo)中的可抓取目標(biāo)。此外使用立體匹配算法結(jié)合PNP 算法能夠準(zhǔn)確地計算出目標(biāo)的位姿信息。將目標(biāo)的優(yōu)先級、位姿等信息傳輸給機(jī)械臂,可以實(shí)現(xiàn)工件的無序抓取。

    猜你喜歡
    聚類閾值數(shù)量
    小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
    統(tǒng)一數(shù)量再比較
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    室內(nèi)表面平均氡析出率閾值探討
    頭發(fā)的數(shù)量
    基于改進(jìn)的遺傳算法的模糊聚類算法
    我國博物館數(shù)量達(dá)4510家
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    久久久久久久久中文| ponron亚洲| 国产三级在线视频| 九九热线精品视视频播放| 在线观看午夜福利视频| 99热这里只有精品一区 | 熟女电影av网| 久久中文看片网| 啪啪无遮挡十八禁网站| 欧美国产日韩亚洲一区| 黄色成人免费大全| 亚洲片人在线观看| 中国美女看黄片| av片东京热男人的天堂| 精品久久久久久久久久久久久| 国产高清三级在线| 亚洲国产精品999在线| 成人国产一区最新在线观看| 国产乱人伦免费视频| 老熟妇仑乱视频hdxx| 亚洲精品在线观看二区| 少妇丰满av| 香蕉av资源在线| 久久中文看片网| 国产成人福利小说| 日韩三级视频一区二区三区| 国产亚洲欧美在线一区二区| 90打野战视频偷拍视频| 最近最新中文字幕大全免费视频| 女警被强在线播放| 美女扒开内裤让男人捅视频| 看黄色毛片网站| 每晚都被弄得嗷嗷叫到高潮| 久久久久久久久久黄片| 午夜精品久久久久久毛片777| 国产精品久久电影中文字幕| 亚洲av电影不卡..在线观看| 精品乱码久久久久久99久播| 成人欧美大片| 精品99又大又爽又粗少妇毛片 | 成人性生交大片免费视频hd| 午夜激情福利司机影院| 黄片大片在线免费观看| 国模一区二区三区四区视频 | 婷婷六月久久综合丁香| 国模一区二区三区四区视频 | 亚洲精品美女久久av网站| 男插女下体视频免费在线播放| 高清在线国产一区| 国产极品精品免费视频能看的| 免费av毛片视频| 久久亚洲真实| 国产久久久一区二区三区| h日本视频在线播放| 一级a爱片免费观看的视频| 精品久久久久久久毛片微露脸| 女警被强在线播放| 欧美绝顶高潮抽搐喷水| 最新中文字幕久久久久 | 91九色精品人成在线观看| www.自偷自拍.com| 制服丝袜大香蕉在线| 99久久精品国产亚洲精品| netflix在线观看网站| 亚洲av成人不卡在线观看播放网| 最新中文字幕久久久久 | 国内精品久久久久精免费| 欧美国产日韩亚洲一区| 亚洲在线自拍视频| 成人永久免费在线观看视频| 变态另类成人亚洲欧美熟女| 999久久久国产精品视频| 精品国产三级普通话版| 90打野战视频偷拍视频| 精品午夜福利视频在线观看一区| 国产精品国产高清国产av| 亚洲成人中文字幕在线播放| 国产高清有码在线观看视频| 99精品久久久久人妻精品| 亚洲av电影不卡..在线观看| 高潮久久久久久久久久久不卡| 脱女人内裤的视频| 国产亚洲精品一区二区www| 免费av不卡在线播放| 国产一区二区三区视频了| 又粗又爽又猛毛片免费看| 国产主播在线观看一区二区| 91在线精品国自产拍蜜月 | 搡老熟女国产l中国老女人| 久久久久亚洲av毛片大全| 视频区欧美日本亚洲| 三级毛片av免费| 91九色精品人成在线观看| 在线视频色国产色| cao死你这个sao货| xxx96com| 久久欧美精品欧美久久欧美| 国产黄色小视频在线观看| 99久国产av精品| 婷婷亚洲欧美| 在线免费观看的www视频| 两性夫妻黄色片| 欧美一级a爱片免费观看看| 不卡一级毛片| 亚洲性夜色夜夜综合| 夜夜夜夜夜久久久久| 国产伦在线观看视频一区| 搡老岳熟女国产| cao死你这个sao货| 国内精品久久久久精免费| 999久久久国产精品视频| 亚洲狠狠婷婷综合久久图片| www.精华液| 日本成人三级电影网站| АⅤ资源中文在线天堂| 女人被狂操c到高潮| 一个人看视频在线观看www免费 | 黄片大片在线免费观看| 欧美高清成人免费视频www| 男女午夜视频在线观看| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区免费欧美| 97人妻精品一区二区三区麻豆| 亚洲欧美日韩高清专用| 亚洲五月婷婷丁香| e午夜精品久久久久久久| 级片在线观看| 精品国产超薄肉色丝袜足j| 国产成人福利小说| 国产97色在线日韩免费| av天堂中文字幕网| 久久久水蜜桃国产精品网| 国产成人一区二区三区免费视频网站| 日韩精品中文字幕看吧| 亚洲精品美女久久av网站| 久久久久性生活片| 超碰成人久久| 在线免费观看的www视频| 1024手机看黄色片| 久久人妻av系列| 一区二区三区国产精品乱码| 一级黄色大片毛片| 男人舔女人的私密视频| 免费电影在线观看免费观看| 欧美黑人欧美精品刺激| 舔av片在线| 桃红色精品国产亚洲av| 欧美黄色淫秽网站| 精品久久久久久久久久免费视频| 国产亚洲精品av在线| 成人特级黄色片久久久久久久| 午夜影院日韩av| 久久香蕉国产精品| 中亚洲国语对白在线视频| 美女高潮的动态| 两个人看的免费小视频| 国产伦一二天堂av在线观看| 色哟哟哟哟哟哟| 国产主播在线观看一区二区| 国内毛片毛片毛片毛片毛片| 久久天躁狠狠躁夜夜2o2o| 美女高潮的动态| 窝窝影院91人妻| 国产极品精品免费视频能看的| 亚洲国产欧洲综合997久久,| 99久国产av精品| 亚洲国产高清在线一区二区三| 国产精品爽爽va在线观看网站| 亚洲欧美精品综合久久99| 中文亚洲av片在线观看爽| 亚洲中文av在线| 色综合欧美亚洲国产小说| 欧美日韩精品网址| 欧美一区二区国产精品久久精品| www.精华液| 亚洲成人久久性| 我要搜黄色片| 啦啦啦韩国在线观看视频| 村上凉子中文字幕在线| 99在线视频只有这里精品首页| 国产午夜精品论理片| 国产精品av视频在线免费观看| 国产欧美日韩一区二区精品| 亚洲色图av天堂| 亚洲国产欧洲综合997久久,| 成人鲁丝片一二三区免费| 变态另类成人亚洲欧美熟女| 在线观看美女被高潮喷水网站 | 在线视频色国产色| 真实男女啪啪啪动态图| xxx96com| 天天一区二区日本电影三级| 色哟哟哟哟哟哟| 婷婷六月久久综合丁香| 久久精品综合一区二区三区| 99riav亚洲国产免费| 欧美极品一区二区三区四区| 欧美高清成人免费视频www| 国产三级在线视频| 午夜亚洲福利在线播放| 校园春色视频在线观看| 日韩精品青青久久久久久| av视频在线观看入口| 99热这里只有是精品50| 国产一区在线观看成人免费| 无人区码免费观看不卡| 亚洲精品在线美女| 岛国在线免费视频观看| 人人妻人人看人人澡| 热99在线观看视频| 色视频www国产| 全区人妻精品视频| 国产成人精品无人区| 日韩大尺度精品在线看网址| 九九久久精品国产亚洲av麻豆 | 美女被艹到高潮喷水动态| 午夜福利高清视频| 中文字幕人妻丝袜一区二区| 一边摸一边抽搐一进一小说| 精品久久蜜臀av无| 亚洲专区字幕在线| 91av网一区二区| 欧美性猛交╳xxx乱大交人| 一级作爱视频免费观看| 亚洲av成人精品一区久久| 亚洲电影在线观看av| 丁香欧美五月| 免费大片18禁| 一级作爱视频免费观看| 夜夜躁狠狠躁天天躁| 日韩中文字幕欧美一区二区| 丰满人妻一区二区三区视频av | 19禁男女啪啪无遮挡网站| 十八禁人妻一区二区| 欧美中文综合在线视频| 成人高潮视频无遮挡免费网站| 91在线观看av| 午夜两性在线视频| 久久天堂一区二区三区四区| 真人一进一出gif抽搐免费| 99国产精品99久久久久| 国产野战对白在线观看| 午夜福利在线观看吧| 国产又黄又爽又无遮挡在线| 三级国产精品欧美在线观看 | 欧美日韩综合久久久久久 | 亚洲国产欧美一区二区综合| 黄色 视频免费看| 国产一区二区在线观看日韩 | 成年女人看的毛片在线观看| 国产91精品成人一区二区三区| 午夜精品在线福利| 国产精品98久久久久久宅男小说| or卡值多少钱| 美女被艹到高潮喷水动态| 久久精品国产亚洲av香蕉五月| 三级毛片av免费| 熟女电影av网| 啪啪无遮挡十八禁网站| 不卡av一区二区三区| АⅤ资源中文在线天堂| 黑人欧美特级aaaaaa片| 日韩欧美一区二区三区在线观看| 国产成人欧美在线观看| 日韩欧美国产一区二区入口| 一级作爱视频免费观看| 精品一区二区三区视频在线观看免费| 成在线人永久免费视频| 国产激情久久老熟女| 网址你懂的国产日韩在线| 最好的美女福利视频网| a级毛片a级免费在线| 精品一区二区三区四区五区乱码| 精品国产乱子伦一区二区三区| 国产午夜福利久久久久久| 国产精品九九99| 1024手机看黄色片| 精品久久久久久久人妻蜜臀av| 在线观看一区二区三区| 国产真实乱freesex| 在线观看舔阴道视频| 午夜免费成人在线视频| 国产一区二区在线av高清观看| 日韩有码中文字幕| 韩国av一区二区三区四区| 国产精品免费一区二区三区在线| 日本在线视频免费播放| 在线观看一区二区三区| 精品日产1卡2卡| 91字幕亚洲| 久久性视频一级片| 国产视频一区二区在线看| а√天堂www在线а√下载| 国产高清videossex| 三级国产精品欧美在线观看 | 首页视频小说图片口味搜索| 国产亚洲精品av在线| 波多野结衣高清无吗| 亚洲性夜色夜夜综合| 天堂影院成人在线观看| 亚洲美女视频黄频| 色综合欧美亚洲国产小说| 神马国产精品三级电影在线观看| 18禁黄网站禁片午夜丰满| 夜夜看夜夜爽夜夜摸| 观看美女的网站| 丰满人妻熟妇乱又伦精品不卡| 日本成人三级电影网站| 久久精品国产清高在天天线| 久久久色成人| 啦啦啦观看免费观看视频高清| 又粗又爽又猛毛片免费看| 桃红色精品国产亚洲av| 熟女电影av网| 久久久久九九精品影院| 亚洲精品一卡2卡三卡4卡5卡| 精品免费久久久久久久清纯| 免费在线观看视频国产中文字幕亚洲| 成在线人永久免费视频| 午夜精品一区二区三区免费看| 欧美+亚洲+日韩+国产| 中文字幕熟女人妻在线| 老司机午夜十八禁免费视频| 天堂av国产一区二区熟女人妻| 国产精品影院久久| АⅤ资源中文在线天堂| 日本与韩国留学比较| 淫秽高清视频在线观看| 一边摸一边抽搐一进一小说| 欧美最黄视频在线播放免费| 97碰自拍视频| 黄色视频,在线免费观看| 狂野欧美激情性xxxx| 国产精品1区2区在线观看.| 久久精品影院6| 亚洲男人的天堂狠狠| 久久久国产欧美日韩av| www国产在线视频色| 最好的美女福利视频网| 成人鲁丝片一二三区免费| 欧美又色又爽又黄视频| 可以在线观看的亚洲视频| av在线蜜桃| 国产精华一区二区三区| 欧美三级亚洲精品| 成年人黄色毛片网站| 国产亚洲精品久久久久久毛片| 99久久无色码亚洲精品果冻| 欧美日韩精品网址| 久久亚洲真实| 女同久久另类99精品国产91| 俺也久久电影网| 一级黄色大片毛片| 嫁个100分男人电影在线观看| 国语自产精品视频在线第100页| 欧美zozozo另类| 国内精品一区二区在线观看| 69av精品久久久久久| 国产精品乱码一区二三区的特点| 久久久久久久精品吃奶| 国产精品98久久久久久宅男小说| 在线观看午夜福利视频| 动漫黄色视频在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲一区二区三区不卡视频| 亚洲18禁久久av| 国产成人啪精品午夜网站| av天堂在线播放| 欧美色视频一区免费| 又黄又爽又免费观看的视频| 国产精品一区二区三区四区久久| 狂野欧美白嫩少妇大欣赏| 国产视频一区二区在线看| 国模一区二区三区四区视频 | 欧美成人性av电影在线观看| 国产乱人伦免费视频| 免费人成视频x8x8入口观看| 一级黄色大片毛片| 给我免费播放毛片高清在线观看| 999久久久精品免费观看国产| 午夜免费激情av| 亚洲人成网站在线播放欧美日韩| 国产精华一区二区三区| 久久久久久人人人人人| 成人性生交大片免费视频hd| 国产精品影院久久| 97超级碰碰碰精品色视频在线观看| 午夜福利在线在线| 成年免费大片在线观看| 欧美在线黄色| 国产av一区在线观看免费| 一进一出好大好爽视频| 日本一本二区三区精品| 99在线人妻在线中文字幕| 丁香六月欧美| 俄罗斯特黄特色一大片| 亚洲欧美日韩东京热| 亚洲欧美日韩卡通动漫| 一级黄色大片毛片| 男人和女人高潮做爰伦理| 老汉色∧v一级毛片| av女优亚洲男人天堂 | 又爽又黄无遮挡网站| 国产成人系列免费观看| 亚洲国产精品久久男人天堂| 久久久久久久久久黄片| 99热精品在线国产| 久久久精品欧美日韩精品| 中文资源天堂在线| 亚洲欧美日韩卡通动漫| 黑人巨大精品欧美一区二区mp4| 欧美最黄视频在线播放免费| 成年版毛片免费区| 亚洲精品一卡2卡三卡4卡5卡| 成人三级黄色视频| 国产精品久久久久久人妻精品电影| 亚洲欧美一区二区三区黑人| 日本黄色片子视频| 成人特级黄色片久久久久久久| 久久香蕉国产精品| 黄色丝袜av网址大全| 老熟妇仑乱视频hdxx| 狠狠狠狠99中文字幕| 麻豆国产97在线/欧美| e午夜精品久久久久久久| 一个人看的www免费观看视频| 欧美午夜高清在线| 99精品久久久久人妻精品| 亚洲专区国产一区二区| 性色av乱码一区二区三区2| 色av中文字幕| 日韩欧美 国产精品| 国产成人精品无人区| 韩国av一区二区三区四区| 久久久久久久久久黄片| 亚洲精品456在线播放app | 国产熟女xx| 一进一出好大好爽视频| 亚洲欧洲精品一区二区精品久久久| 在线免费观看的www视频| 国产高清videossex| 亚洲国产看品久久| 中文字幕最新亚洲高清| 我的老师免费观看完整版| 欧美在线一区亚洲| 成人一区二区视频在线观看| 亚洲美女视频黄频| av片东京热男人的天堂| 精品人妻1区二区| 精品久久蜜臀av无| 亚洲激情在线av| 国内精品久久久久精免费| 久久久国产精品麻豆| 特级一级黄色大片| 在线观看午夜福利视频| 国内少妇人妻偷人精品xxx网站 | 国产精品久久久人人做人人爽| 色尼玛亚洲综合影院| 亚洲片人在线观看| 亚洲精品456在线播放app | 国产精品久久久久久精品电影| xxxwww97欧美| 搡老岳熟女国产| 精品久久久久久久久久久久久| 亚洲熟妇中文字幕五十中出| 搡老熟女国产l中国老女人| 国产成人精品无人区| 亚洲中文字幕日韩| 午夜激情欧美在线| 美女午夜性视频免费| 欧美大码av| 美女高潮喷水抽搐中文字幕| av黄色大香蕉| 日韩欧美精品v在线| 操出白浆在线播放| 在线观看66精品国产| 两个人视频免费观看高清| 久久久久久久久中文| 国产欧美日韩精品亚洲av| 国产精品永久免费网站| 后天国语完整版免费观看| 岛国在线观看网站| 搡老妇女老女人老熟妇| 国产精品亚洲美女久久久| 亚洲九九香蕉| 真人做人爱边吃奶动态| 亚洲精品美女久久久久99蜜臀| 亚洲国产精品久久男人天堂| 999精品在线视频| 国产99白浆流出| 听说在线观看完整版免费高清| 真实男女啪啪啪动态图| 在线永久观看黄色视频| 美女扒开内裤让男人捅视频| 亚洲自拍偷在线| 精品无人区乱码1区二区| 国产一区二区三区视频了| 国模一区二区三区四区视频 | 欧美黑人欧美精品刺激| 亚洲欧洲精品一区二区精品久久久| 免费高清视频大片| 超碰成人久久| 毛片女人毛片| 久久国产乱子伦精品免费另类| av黄色大香蕉| 中文字幕熟女人妻在线| 一级黄色大片毛片| 午夜激情福利司机影院| 久久99热这里只有精品18| 成人18禁在线播放| 国产欧美日韩一区二区三| 99热这里只有精品一区 | 少妇裸体淫交视频免费看高清| 国产亚洲精品综合一区在线观看| 九九热线精品视视频播放| 丁香六月欧美| 天堂√8在线中文| 中文字幕久久专区| 香蕉av资源在线| 99久久成人亚洲精品观看| 美女黄网站色视频| 国产午夜精品论理片| 99riav亚洲国产免费| 国产精品影院久久| 久久久久精品国产欧美久久久| 亚洲无线在线观看| 一二三四在线观看免费中文在| 99久久国产精品久久久| 久久精品aⅴ一区二区三区四区| 99久久精品一区二区三区| 国产成人精品久久二区二区91| 1000部很黄的大片| 人妻久久中文字幕网| 国产精品一及| 国产在线精品亚洲第一网站| 国产成年人精品一区二区| 天堂影院成人在线观看| 婷婷六月久久综合丁香| svipshipincom国产片| 免费av毛片视频| 在线国产一区二区在线| 久久久久国内视频| 日本与韩国留学比较| 两个人看的免费小视频| 午夜亚洲福利在线播放| 日本黄大片高清| 亚洲第一欧美日韩一区二区三区| 久久精品影院6| 成人国产综合亚洲| 一进一出抽搐动态| 99久久精品热视频| 久久精品国产综合久久久| 18禁裸乳无遮挡免费网站照片| 亚洲一区二区三区色噜噜| 欧美日韩一级在线毛片| 999久久久国产精品视频| 国产精品美女特级片免费视频播放器 | 在线观看免费视频日本深夜| x7x7x7水蜜桃| 色吧在线观看| 免费在线观看视频国产中文字幕亚洲| 麻豆国产av国片精品| 欧美在线黄色| 波多野结衣巨乳人妻| 成人无遮挡网站| 精品人妻1区二区| xxx96com| 日日干狠狠操夜夜爽| 日韩欧美 国产精品| 日韩欧美在线二视频| 一个人免费在线观看的高清视频| 国产精品一区二区三区四区免费观看 | 色综合婷婷激情| 日韩高清综合在线| 日本五十路高清| 国产精品一区二区免费欧美| 最新在线观看一区二区三区| 看免费av毛片| 啦啦啦免费观看视频1| x7x7x7水蜜桃| 国产一区二区三区视频了| 亚洲av熟女| 黑人操中国人逼视频| 亚洲熟妇中文字幕五十中出| 亚洲第一欧美日韩一区二区三区| 人妻夜夜爽99麻豆av| 亚洲国产精品成人综合色| 亚洲av中文字字幕乱码综合| 亚洲激情在线av| 亚洲国产中文字幕在线视频| 亚洲自拍偷在线| www.精华液| 十八禁网站免费在线| 黑人操中国人逼视频| cao死你这个sao货| 精品一区二区三区视频在线观看免费| 亚洲人与动物交配视频| 一级a爱片免费观看的视频| 亚洲欧洲精品一区二区精品久久久| 久久精品aⅴ一区二区三区四区| 久久久久国产一级毛片高清牌| 人人妻,人人澡人人爽秒播| 好男人在线观看高清免费视频| 999久久久精品免费观看国产| 久久久色成人| 一区二区三区激情视频| 欧美绝顶高潮抽搐喷水| 91麻豆精品激情在线观看国产| 久久草成人影院| 日本免费一区二区三区高清不卡| 丝袜人妻中文字幕| 黄色成人免费大全| а√天堂www在线а√下载| 香蕉久久夜色| 成年女人永久免费观看视频|