• <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LZG-Net的機(jī)械手觸覺識別和分類

    2024-01-01 00:00:00楊蘭劉聶天和王民慧
    關(guān)鍵詞:嵌入式系統(tǒng)

    摘要:準(zhǔn)確識別物體類別和觸覺信號對于機(jī)械手實現(xiàn)軟抓取控制至關(guān)重要。為此,提出了一種用于嵌入式設(shè)備的輕量級金字塔神經(jīng)網(wǎng)絡(luò)(LZG-Net)模型,用于處理機(jī)械手抓取物體時的振動信號。LZG-Net模型以Ghost 模塊為基礎(chǔ),采取卷積核逐層遞減的卷積策略。針對注意力機(jī)制SE模塊在一些嵌入式設(shè)備上無法部署的問題進(jìn)行改進(jìn),并通過知識蒸餾、算子優(yōu)化和量化操作提高模型在嵌入式系統(tǒng)上的準(zhǔn)確率。最后,搭建了嵌入式觸覺識別系統(tǒng),將LZG-Net模型部署至其中,對4種不同特征的物體進(jìn)行觸覺識別。實驗結(jié)果表明:該模型能夠?qū)ξ矬w類別及抓取狀態(tài)進(jìn)行準(zhǔn)確分類,分類正確率達(dá)90.94%,其分類性能優(yōu)于現(xiàn)有的經(jīng)典輕量級神經(jīng)網(wǎng)絡(luò)。

    關(guān)鍵詞:嵌入式系統(tǒng);輕量級模型;機(jī)器人抓??;金字塔架構(gòu)

    中圖分類號:TP241.3文獻(xiàn)標(biāo)志碼:A深度學(xué)習(xí)在機(jī)械手觸覺抓取識別和分類方面顯示出巨大的潛力。其中,視覺-觸覺融合傳感器[1-2]是多模態(tài)信息融合的代表,集成了壓力和溫度傳感模塊的多感官觸覺手套[3],以及基于光纖的觸覺傳感器[4],為機(jī)械手觸覺感知的研究做出了重大貢獻(xiàn)。但從多個傳感器采集數(shù)據(jù)進(jìn)行多模態(tài)信息融合需要更高的數(shù)據(jù)同步性,并且存在互斥或不平衡融合等問題,這增加了數(shù)據(jù)處理和系統(tǒng)組成的復(fù)雜性。在觸覺數(shù)據(jù)處理中,文獻(xiàn)[5]使用主成分分析(PCA)來降低可變對象觸覺序列的原始數(shù)據(jù)集的維數(shù),隨后使用k最近鄰(KNN)和支持向量機(jī)(SVM)算法進(jìn)行在線訓(xùn)練和測試,最終在線識別準(zhǔn)確率為90%。QIAN等[6]提出了梯度自適應(yīng)采樣(GAS)策略和多時間尺度三維卷積神經(jīng)網(wǎng)絡(luò)(MTS-3DCNNs)模型提取關(guān)鍵信息,其具有較好的泛化能力,但是在線識別準(zhǔn)確率僅為88.81%。BEDNAREK等[7]開展了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)和具有注意力機(jī)制的長短期記憶(AM-LSTM)網(wǎng)絡(luò)的紋理分類研究,分類準(zhǔn)確率為97.96%。XU等[8]開發(fā)了一種基于AM-LSTM方法的觸覺識別模型,發(fā)現(xiàn)夾持器的閉合速度會影響觸覺模型的識別準(zhǔn)確率,但最高準(zhǔn)確率僅為86.71%。上述研究側(cè)重于在線理論分析?,F(xiàn)有文獻(xiàn)中缺乏關(guān)于資源受限嵌入式設(shè)備的觸覺信號處理和模型分類的研究。

    針對這些問題,本文基于剛性夾持器的機(jī)械手結(jié)構(gòu),設(shè)計了一種適用于嵌入式設(shè)備的一維輕量級金字塔神經(jīng)網(wǎng)絡(luò)(LZG-Net),在自行建立的觸覺數(shù)據(jù)集上達(dá)到 99.12% 的識別準(zhǔn)確率。經(jīng)過優(yōu)化后,該模型可以在低成本嵌入式系統(tǒng)上實現(xiàn)觸覺振動信號端到端的實時分類,平均準(zhǔn)確率為90.94%,分類性能優(yōu)異,實現(xiàn)了高精度和低成本的識別。

    1機(jī)械手觸覺識別算法

    1.1模型架構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)中的局部感受野思想可以有效地整合信道和空間信息,在解碼一維數(shù)據(jù)方面具有優(yōu)異的性能[9-10]。由于機(jī)器人物體操作的預(yù)抓取信息是密集且固定的峰值信號,網(wǎng)絡(luò)采用了金字塔結(jié)構(gòu)的卷積策略?;诖耍疚奶岢隽艘环N基于一維Ghost模塊的輕量級LZG-Net卷積神經(jīng)網(wǎng)絡(luò)(圖1),并集成了改進(jìn)后SE模塊的GE模塊(圖2)。為了檢驗金字塔CNN模型的有效性,確定網(wǎng)絡(luò)的最佳深度和寬度,基于LeNet、ResNet和GhostNet設(shè)計了18種不同的模型結(jié)構(gòu),其中一半為金字塔結(jié)構(gòu),并進(jìn)行對比實驗。結(jié)果表明,與傳統(tǒng)模型相比,基于GhostNet的金字塔結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)(64-32-16)性能良好,需要的參數(shù)更少,泛化性更好。

    隨著網(wǎng)絡(luò)的深入,來自較高層的微觀結(jié)構(gòu)被較低層轉(zhuǎn)化為更少和更具判別力的特征。第一層選擇最大數(shù)量的64個卷積核,而隨后的卷積層減少50%以保持金字塔結(jié)構(gòu)。第一個卷積層的輸入是歸一化的RAW加速數(shù)據(jù)片段?;揪矸e塊由1×1的卷積層、1個ReLU激活層、1個Dropout層和1個Average Pooling層組成。對數(shù)據(jù)進(jìn)行歸一化后,使用Adam作為優(yōu)化器,輸出為對應(yīng)不同類別觸覺狀態(tài)的9×conv層。隨后,連接全局平均池化層和全連接層,前者減少參數(shù)數(shù)量以防止過擬合問題,后者提取判別信息。

    1.2融合ESE模塊的GE模塊

    SE模塊可以提高CNN的動態(tài)通道特征重新校準(zhǔn)能力,以獲得更好的觸覺特征,但存在算子不支持或推理失敗等問題。一些含SE模塊的網(wǎng)絡(luò)在某些嵌入式設(shè)備上無法部署,為此提出了一種適用于嵌入式設(shè)備的ESE(Embedded-Squeeze-and-Excitation)模塊來解決這個問題。SE模塊中原來的全連接層被替換為卷積核大小為1的Con1D層。輸入為F∈RW×H×C,W和H表示特征映射的寬度和高度,C表示通道號。壓縮過程是在全局平均池化后輸出向量1×1×C,激勵操作由1×1卷積層、ReLU層和 Sigmoid激活層組成,壓縮比r=16。激活公式如下:

    1.3模型優(yōu)化與量化策略

    1.3.1知識蒸餾

    為了提高模型在資源受限設(shè)備上的準(zhǔn)確性,采用知識蒸餾使模型更加輕量化,增加可部署性。通過小模型模仿大模型的行為,知識蒸餾使得小模型能夠?qū)W習(xí)到大模型的知識,并且在某些任務(wù)上表現(xiàn)得更好。交叉熵通常用于評估預(yù)測輸出與實際標(biāo)簽之間的差異,并用作學(xué)生模型的訓(xùn)練信號。學(xué)生網(wǎng)絡(luò)的交叉熵計算如下:

    1.3.2算子優(yōu)化量化

    2觸覺識別系統(tǒng)與數(shù)據(jù)集構(gòu)建

    2.1觸覺識別系統(tǒng)

    觸覺識別系統(tǒng)由帶剛性夾持器的機(jī)械手、壓電陶瓷A、振動傳感器B、控制器STM32H750和電源模塊組成,如圖3所示。傳感系統(tǒng)安裝在其中一個機(jī)械手的抓取面上。圖3還展示了對采集的加速度垂直方向的掃頻信號圖,以及抓取狀態(tài)的劃分。C為物體;f是摩擦力,F(xiàn)1是物體所受壓力,F(xiàn)2是手爪受到的壓力,F(xiàn)3是摩擦力的反作用力。壓電陶瓷模塊的激勵信號選擇為F0sin(wt),頻率為3 000 Hz。壓電陶瓷具有逆壓電效應(yīng),可以驅(qū)動機(jī)械手進(jìn)行有規(guī)律地機(jī)械振動。在抓取過程開始時,機(jī)械手在電機(jī)作用下勻速收縮。當(dāng)機(jī)械手與物體接觸并碰撞時,振動傳感器檢測到物體運動變化產(chǎn)生的水平力F2和垂直力F3,收集信號并傳輸?shù)娇刂葡到y(tǒng)進(jìn)行分析和處理??傮w方案設(shè)計如圖4所示。

    2.2數(shù)據(jù)集構(gòu)建

    通過大量的數(shù)據(jù)分析,抓取過程大致可分為3個狀態(tài):未接觸、預(yù)抓取、穩(wěn)定抓取,分別對應(yīng)圖3中的Ι、П、Ш。實驗選取了4個具有不同特征的物體來建立數(shù)據(jù)集:雞蛋(堅硬但易碎)、空鋁罐(剛性但易變形)、小番茄(柔軟但易壓碎)和薄圓形金屬片(堅硬而鋒利,容易損壞機(jī)械手和傳感器)。機(jī)械手未接觸物體時,機(jī)械手指的振動由其自身的結(jié)構(gòu)和壓電陶瓷模塊所施加的激勵信號決定。在沒有抓取任何物體前,振動傳感器采集到的信號具有相同特征,因此將未接觸狀態(tài)作為一類數(shù)據(jù)。當(dāng)機(jī)械手指接觸物體后,此時機(jī)械手指的振動模態(tài)會發(fā)生變化,除自身結(jié)構(gòu)和激勵信號外,還取決于所夾持的物體材質(zhì)以及與所夾持物體間是否有滑動摩擦。據(jù)此,將夾持上述4個物體的預(yù)抓?。ㄊ种概c物體間存在滑動)和穩(wěn)定抓取(機(jī)械手指與物體間不存在滑動且無損抓?。r的振動信號分為 8類不同的數(shù)據(jù)。本文數(shù)據(jù)集共包含9類數(shù)據(jù),如表1所示。表1中:“物體-2”代表物體的預(yù)抓取狀態(tài);“物體-3”代表物體的穩(wěn)定抓取狀態(tài);x1, x2, x3,…, x9分別對應(yīng)9類數(shù)據(jù)。每類包含200組數(shù)據(jù),每組數(shù)據(jù)維度為4 000×2,即每組包含8 000個振動加速度數(shù)據(jù)點。

    3.1最佳模型配置實驗

    在確定卷積遞減核數(shù)(64-32-16)后,開展實驗——確定各層升降維通道個數(shù)以及是否選用GE模塊,對比選擇出最佳結(jié)構(gòu)。網(wǎng)絡(luò)結(jié)構(gòu)見表2,對應(yīng)網(wǎng)絡(luò)的性能參數(shù)結(jié)果見表3。實驗中,在較多通道數(shù)的Block1使用GE模塊后會造成模型大小普遍大于1 MiB,使得推理時間大大增加且部署過程相對困難,因此統(tǒng)一選擇不在通道數(shù)最多的Block1使用GE模塊。表2中,“128G-32G”表示通道數(shù)為128的Ghost模塊與通道數(shù)為32的Ghost模塊相連接,其余模塊同理。由表3結(jié)果可知,Model_D模型在準(zhǔn)確率和損失值上具有最好的表現(xiàn),選擇其作為最終的LZG-Net模型。表3中F指每秒運行浮點運算的最大次數(shù)

    3.2對比優(yōu)化實驗

    實驗環(huán)境為TensorFlow2.10框架,WIN10系統(tǒng)、GTX 1660 SUPER顯卡,迭代130輪,按照7∶3的比例劃分訓(xùn)練集和驗證集。評價參考分類準(zhǔn)確性、模型大小、驗證集損失率等指標(biāo)進(jìn)行。將LZG-Net與6個模型進(jìn)行性能對比,輸入均為原始加速度信號,實驗結(jié)果見表4。結(jié)果表明:與其他模型相比,LZG-Net在驗證集上表現(xiàn)出最佳的準(zhǔn)確性和最低的損失;ResNet 引入殘差結(jié)構(gòu)提高了模型性能,但導(dǎo)致了更大的模型參數(shù);MobileNetV1 使用深度可以分離卷積減少參數(shù)量,但導(dǎo)致模型表達(dá)能力下降,不適合部署在嵌入式設(shè)備上。

    利用混淆矩陣實驗評估LZG-Net對物體的類別和抓取狀態(tài)的分類能力,結(jié)果如圖5所示。在隨機(jī)抽取的455個樣本中,模型僅有4個誤判,顯示模型對不同物體和抓取階段的高分辨能力。

    為了提高嵌入式平臺上的模型準(zhǔn)確性,采用知識蒸餾。表4 中準(zhǔn)確率最高的3個模型LZG-Net、GhostNet 和 MobileNetV2具有優(yōu)異的性能,選為學(xué)生模型,蒸餾溫度T設(shè)為4。被蒸餾的3個學(xué)生模型都帶有殘差結(jié)構(gòu),使用同樣帶有殘差結(jié)構(gòu)的ResNet網(wǎng)絡(luò)作為教師模型進(jìn)行“知識”的傳遞。學(xué)生網(wǎng)絡(luò)使用教師網(wǎng)絡(luò)培訓(xùn)的軟標(biāo)簽進(jìn)行130 輪知識蒸餾。蒸餾模型評價指標(biāo)為藍(lán)色曲線,原生模型評價指標(biāo)為橙色曲線。蒸餾前后準(zhǔn)確率對比如圖6所示。由圖6可以看出:蒸餾模型的前30輪波動較大,但在30~80輪表現(xiàn)得更好且相較于原生模型收斂更快,驗證集準(zhǔn)確率也更高。

    進(jìn)行抓取實驗前,使用 TensorFlow Lite對模型進(jìn)行優(yōu)化,生成的模型僅為原始模型尺寸的 15%~21%,之后利用X-CUBE-AI工具把模型部署到STM32H750平臺。模型參數(shù)量的對比如表5所示。由表5可見,LZG-Net的模型參數(shù)從469 KiB減少到35 KiB,模型壓縮率為92.53%。

    3.3嵌入式平臺抓取實驗

    在進(jìn)行抓取實驗時,首先需要將模型部署到STM32H750 嵌入式平臺。然而,集成SE 模塊的 MobileNetV3 和 MnasNet 都遇到了算子不支持或推理失敗的問題。對此,本文提出了ESE模塊,其可以成功應(yīng)用在LZG-Net模型中,使得模型能夠部署在STM32H750 平臺上,并通過對4種物體進(jìn)行了320次抓取實驗,驗證了模型的有效性和實用性,結(jié)果見表6。

    由表6可知:3個模型都能準(zhǔn)確辨識不同種類物體的未接觸狀態(tài)和穩(wěn)定抓取狀態(tài);在預(yù)抓取狀態(tài),LZG-Net表現(xiàn)出最高的識別率,平均值達(dá)到90.94%。本文設(shè)計的模型在區(qū)分具有不同屬性的物體,并準(zhǔn)確劃分其抓取階段方面表現(xiàn)出較好的性能;但和在線實驗相比(表4),識別準(zhǔn)確率大概有8個百分點的下降。準(zhǔn)確率降低可能歸因于3個主要因素:優(yōu)化過程中的信息丟失、量化誤差的積累以及嵌入式平臺的計算能力不足。

    4結(jié)論

    在資源有限的嵌入式設(shè)備上實現(xiàn)對抓取對象的觸覺實時識別和分類是一項有挑戰(zhàn)性的工作。本文提出了一種輕量級金字塔網(wǎng)絡(luò)(LZG-Net)模型。該模型基于Ghost模塊,采用卷積核逐層遞減的策略,結(jié)合改進(jìn)的注意力機(jī)制模塊,在搭建的觸覺識別系統(tǒng)上對不同類別的物體及其抓取狀態(tài)劃分的平均識別準(zhǔn)確率為90.94%,識別率、模型參數(shù)量以及在嵌入式端的模型壓縮比都優(yōu)于GhostNet和MobileNet系列的經(jīng)典輕量級神經(jīng)網(wǎng)絡(luò),是一種高效且低成本的機(jī)械手觸覺識別方法。未來的研究可以考慮添加更多不同種類和狀態(tài)的對象,并利用帶有神經(jīng)網(wǎng)絡(luò)處理器(neural network processing unit,NPU)的開發(fā)板來加速神經(jīng)網(wǎng)絡(luò)推理。參考文獻(xiàn):

    [1]PANG C, WANG Q, MAK K, et al. Viko 2.0: a hierarchical gecko-inspired adhesive gripper with visuotactile sensor[J]. IEEE Robotics and Automation Letters, 2022, 7(3): 7842-7849.

    [2] SHAH U H, MUTHUSAMY R, GAN D, et al. On the design and development of vision-based tactile sensors[J]. Journal of Intelligent amp; Robotic Systems, 2021, 102(82): 1-27.

    [3] QIU Y, WANG Z Q, ZHU P C, et al. A multisensory-feedback tactile glove with dense coverage of sensing arrays for object recognition[J]. Chemical Engineering Journal, 2023, 455: 140890.1-140890.11.

    [4] LU Z Y, YANG T Y, CAO Z S, et al. Optical soft tactile sensor algorithm based on multiscale ResNet[J]. IEEE Sensors Journal, 2023, 23(10): 10731-10738.

    [5] ZHANG Z, ZHOU J, YAN Z H, et al. Hardness recognition of fruits and vegetables based on tactile array information of manipulator[J]. Computers and Electronics in Agriculture, 2021, 181: 105959.1-105959.10.

    [6] QIAN X L, MENG J, WANG W, et al. Gradient adaptive sampling and multiple temporal scale 3D CNNs for tactile object recognition[J]. Frontiers in Neurorobotics, 2023(17): 1159168.1-1159168.11.

    [7] BEDNAREK J, BEDNAREK M, KICKI P, et al. Robotic touch: classification of materials for manipulation and walking[C]// 2019 2nd IEEE International Conference on Soft Robotics (RoboSoft). Seoul: IEEE, 2019: 527-533.

    [8] XU Z, YI W, CHEN M, et al. Robotic tactile recognition system based on AM-LSTM model[C]// 2021 IEEE International Conference on Robotics and Biomimetics (ROBIO). Sanya: IEEE, 2021: 1570-1575.

    [9] JI M, FANG H, ZHENG H, et al. Preprocessing-free surface material classification using convolutional neural networks pretrained by sparse Autoencoder[C]// 2015 IEEE 25th International Workshop on Machine Learning for Signal Processing (MLSP). Boston: IEEE, 2015: 1-6.

    [10]UIIAH I, HUSSAIN M, ABOALSAMH H, et al. An automated system for epilepsy detection using EEG brain signals based on deep learning approach[J]. Expert Systems with Applications, 2018, 107: 61-71.

    (責(zé)任編輯:周曉南)

    Manipulator Tactile Recognition and Classification Based on LZG-Net

    YANG Lan1, LIU-NIE Tianhe2, WANG Minhui*1

    (1.Department of College of Electrical Engineering, Guizhou University, Guiyang 550025, China;

    2.Department of Guizhou Power Grid Co., Ltd., Guiyang 550025, China)Abstract: Accurate recognition of object categories and tactile signals is crucial for robotic hands to achieve soft grasp control. This paper proposes a lightweight pyramid neural network (LZG-Net) model for embedded devices, designed to process vibration signals during robotic hand grasping. The LZG-Net model is based on the Ghost module and adopts a convolutional strategy with progressively decreasing convolutional kernels. It addresses the issue of the attention mechanism SE module being unable to deploy on some embedded devices and improves the model’s accuracy on embedded systems through knowledge distillation, operator optimization, and quantization operations. Finally, an embedded tactile recognition system is built, and the LZG-Net model is deployed within it for tactile recognition of four objects with different characteristics. Experimental results show that the model can accurately classify object categories and grasping states, achieving a classification accuracy of 90.94%. Its classification performance is superior to existing classic lightweight neural networks.

    Key words: embedded system; lightweight model; robotic grasping; pyramid architecture

    (上接第51頁)

    Damage Characterization of Marble Under Cyclic Impact Loading

    YU Guoqiang HOU Kepeng SUN Huafen ZHU Zhigang

    (1.School of Land and Resources Engineering, Kunming University of Science and Technology, Kunming 650093, China;

    2.Yunnan Key Laboratory of Sino-German Blue Mining and Utilization of Special Underground Space, Kunming 650093, China)Abstract: In order to study the damage change characteristics of marble under local cyclic impact, the paper uses the damage factor to define the damage degree of the rock. Then with the help of the pendulum impact testing machine on the marble specimen with different impact energy under the contact area ratio of 1/18S cyclic impact test, the study analyzes the impact damage to the marble specimen with different impact energy and the number of impacts, and the change characteristics of the damage factor caused by different impact energy and the number of impacts. The results shows: when the pendulum lifting angle is 10°, the specimen does not have obvious damage; with the increase of the number of cyclic impact, the damage factor increases; when the cyclic impact increases to a certain number of times, the specimen is macroscopically damaged, and the damage factor changes significantly; with the increase of the pendulum lifting angle, the wave speed begins to decrease significantly, the impact absorbed energy and the number of impacts required during the specimen fracture damage also decreases,and the growth rate of damage factor reaches 75%. Considering that the impact mode of the rock on the shaft walls is localized impact with different contact areas, these results can provide a new idea for the study of the impact damage of rock to the shaft walls in mines.

    Key words: marble; localized cyclic shock; pendulum test; damage factor; absorbed energy

    猜你喜歡
    嵌入式系統(tǒng)
    Teaching Research on IoT and—Embedded System of Software Engineering
    基于Xilinx口袋實驗室的組合邏輯電路設(shè)計實驗
    面向應(yīng)用的智能專業(yè)嵌入式系統(tǒng)教學(xué)
    基于物聯(lián)網(wǎng)的遠(yuǎn)程紅外控制器
    嵌入式系統(tǒng)軟件開發(fā)技術(shù)探析
    基于AVR單片機(jī)的SPI接口設(shè)計與實現(xiàn)
    辦公自動化系統(tǒng)的設(shè)計
    嵌入式系統(tǒng)在醫(yī)療器械中的應(yīng)用分析
    基于物聯(lián)網(wǎng)項目驅(qū)動的嵌入式系統(tǒng)教學(xué)改革的研究與實踐
    嵌入式系統(tǒng)課程“中斷、異常與事件”教學(xué)實踐及啟示
    99在线人妻在线中文字幕| 日本a在线网址| 99国产极品粉嫩在线观看| 日韩,欧美,国产一区二区三区 | 亚洲欧美日韩东京热| 欧美丝袜亚洲另类| 99九九线精品视频在线观看视频| 最好的美女福利视频网| 亚洲,欧美,日韩| 国产精品永久免费网站| 男人和女人高潮做爰伦理| 淫秽高清视频在线观看| 村上凉子中文字幕在线| 内射极品少妇av片p| 啦啦啦啦在线视频资源| 欧美xxxx黑人xx丫x性爽| 国产精品免费一区二区三区在线| 精品人妻偷拍中文字幕| av在线亚洲专区| 99久国产av精品| 国产亚洲精品av在线| 久久人人爽人人片av| av在线播放精品| 日本 av在线| 国产女主播在线喷水免费视频网站 | 精品国产三级普通话版| 精品熟女少妇av免费看| 亚洲精华国产精华液的使用体验 | 亚洲国产色片| 国产精品女同一区二区软件| 搡女人真爽免费视频火全软件 | 菩萨蛮人人尽说江南好唐韦庄 | 亚洲av免费在线观看| 亚洲激情五月婷婷啪啪| 大香蕉久久网| 亚洲最大成人中文| 日韩精品中文字幕看吧| 亚洲人成网站在线播| 久久久久国内视频| 国产一区二区三区在线臀色熟女| 一a级毛片在线观看| 欧美日韩一区二区视频在线观看视频在线 | 国产在视频线在精品| 51国产日韩欧美| 毛片一级片免费看久久久久| 一级毛片电影观看 | 男女视频在线观看网站免费| 国产av不卡久久| 国产一区二区在线观看日韩| 国产女主播在线喷水免费视频网站 | 亚洲欧美精品综合久久99| 国产亚洲精品久久久com| 欧美性猛交╳xxx乱大交人| 日韩精品有码人妻一区| 在线天堂最新版资源| 91狼人影院| 99热这里只有是精品50| 国产精品伦人一区二区| 一本一本综合久久| 两个人视频免费观看高清| 99在线人妻在线中文字幕| 久久亚洲精品不卡| 成年女人看的毛片在线观看| 特级一级黄色大片| 国内精品久久久久精免费| 精品午夜福利视频在线观看一区| 日本一二三区视频观看| 欧美日韩乱码在线| 十八禁网站免费在线| av国产免费在线观看| 12—13女人毛片做爰片一| 国语自产精品视频在线第100页| 波多野结衣巨乳人妻| 尤物成人国产欧美一区二区三区| 欧美xxxx性猛交bbbb| 久久午夜福利片| 九色成人免费人妻av| 日韩精品有码人妻一区| 男人舔奶头视频| 免费观看在线日韩| 18+在线观看网站| 国产精品永久免费网站| 国产麻豆成人av免费视频| 一级毛片我不卡| 俄罗斯特黄特色一大片| 国产国拍精品亚洲av在线观看| 免费观看人在逋| 日本撒尿小便嘘嘘汇集6| 免费人成在线观看视频色| 欧美日韩综合久久久久久| 亚洲激情五月婷婷啪啪| 五月伊人婷婷丁香| 淫秽高清视频在线观看| 亚洲av熟女| 亚洲欧美清纯卡通| 精品无人区乱码1区二区| 国产高清三级在线| 日本熟妇午夜| 日产精品乱码卡一卡2卡三| 人人妻,人人澡人人爽秒播| 一区福利在线观看| 亚洲精品粉嫩美女一区| 91久久精品国产一区二区成人| 高清毛片免费观看视频网站| 日本欧美国产在线视频| 免费在线观看成人毛片| 精品久久久久久久久久久久久| 日本一本二区三区精品| 在线国产一区二区在线| 99久久九九国产精品国产免费| 欧美+亚洲+日韩+国产| 九九久久精品国产亚洲av麻豆| 日日撸夜夜添| 国产精品人妻久久久影院| 国产精品爽爽va在线观看网站| 日本免费a在线| 综合色丁香网| 1024手机看黄色片| 热99re8久久精品国产| 日本在线视频免费播放| 色综合色国产| 午夜福利18| 国产一区二区在线观看日韩| 国产精品一区二区三区四区久久| 中国国产av一级| 两个人视频免费观看高清| 美女内射精品一级片tv| 久久久久国内视频| 可以在线观看的亚洲视频| 男人狂女人下面高潮的视频| 免费一级毛片在线播放高清视频| 熟女电影av网| 在线免费观看的www视频| 一夜夜www| 精品欧美国产一区二区三| 一级av片app| 久久久欧美国产精品| 1000部很黄的大片| 免费电影在线观看免费观看| 日日摸夜夜添夜夜爱| 狂野欧美白嫩少妇大欣赏| 亚洲第一电影网av| 成人精品一区二区免费| 国产精品久久久久久久电影| 男女下面进入的视频免费午夜| 舔av片在线| 人妻少妇偷人精品九色| 成人欧美大片| 日本黄大片高清| 久久久成人免费电影| 一区二区三区四区激情视频 | 国产精品福利在线免费观看| 久久久久久伊人网av| 精品久久国产蜜桃| 俄罗斯特黄特色一大片| 国产中年淑女户外野战色| 青春草视频在线免费观看| 国产午夜福利久久久久久| 久久婷婷人人爽人人干人人爱| 欧美激情在线99| 亚洲av成人精品一区久久| 午夜福利在线在线| 性色avwww在线观看| 精品久久久久久久人妻蜜臀av| 亚洲国产精品sss在线观看| 一边摸一边抽搐一进一小说| 少妇的逼水好多| 少妇丰满av| 99久久精品国产国产毛片| av专区在线播放| 18禁黄网站禁片免费观看直播| 欧美成人一区二区免费高清观看| 亚洲精华国产精华液的使用体验 | 一个人免费在线观看电影| 别揉我奶头 嗯啊视频| 成人毛片a级毛片在线播放| 偷拍熟女少妇极品色| 免费黄网站久久成人精品| 成年女人看的毛片在线观看| 免费看美女性在线毛片视频| 国内精品久久久久精免费| 午夜影院日韩av| 69av精品久久久久久| 午夜精品一区二区三区免费看| 日本与韩国留学比较| 亚洲高清免费不卡视频| 国产欧美日韩精品一区二区| 国产精品久久久久久精品电影| 久久久色成人| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品色激情综合| 一级黄片播放器| av福利片在线观看| 国产一区二区亚洲精品在线观看| 精品人妻一区二区三区麻豆 | 日韩高清综合在线| 久久久久久久久久成人| 国产av不卡久久| 老司机午夜福利在线观看视频| 夜夜看夜夜爽夜夜摸| or卡值多少钱| 亚洲av成人精品一区久久| 亚洲自拍偷在线| 日韩高清综合在线| 日韩精品中文字幕看吧| 最近视频中文字幕2019在线8| 免费黄网站久久成人精品| 久久热精品热| 亚洲欧美清纯卡通| 国产伦一二天堂av在线观看| 久久久久久久久久黄片| 校园春色视频在线观看| 午夜影院日韩av| 午夜福利视频1000在线观看| 精品少妇黑人巨大在线播放 | 久久精品国产自在天天线| 最近在线观看免费完整版| 搞女人的毛片| 久久久久久国产a免费观看| 如何舔出高潮| 人人妻人人澡欧美一区二区| 人妻少妇偷人精品九色| 免费观看在线日韩| 亚洲高清免费不卡视频| 中文资源天堂在线| 长腿黑丝高跟| 中出人妻视频一区二区| 婷婷精品国产亚洲av| 丰满人妻一区二区三区视频av| 99在线视频只有这里精品首页| 国产精品亚洲一级av第二区| 欧美日韩乱码在线| 看黄色毛片网站| 日日撸夜夜添| 免费看日本二区| 国产高潮美女av| 性插视频无遮挡在线免费观看| 国产激情偷乱视频一区二区| 亚洲av.av天堂| 麻豆av噜噜一区二区三区| 99视频精品全部免费 在线| 欧美性感艳星| 免费人成在线观看视频色| 精品国产三级普通话版| 美女高潮的动态| 国产免费一级a男人的天堂| av视频在线观看入口| 亚洲av中文字字幕乱码综合| 精品乱码久久久久久99久播| 国产精品永久免费网站| 人人妻,人人澡人人爽秒播| 日本一二三区视频观看| 亚洲专区国产一区二区| 中国国产av一级| 久久久精品大字幕| 免费电影在线观看免费观看| 成年av动漫网址| 亚洲激情五月婷婷啪啪| 久久久国产成人免费| 亚洲av五月六月丁香网| 亚洲性夜色夜夜综合| 丝袜喷水一区| 99久久精品热视频| 老司机福利观看| 日本免费一区二区三区高清不卡| 亚洲最大成人手机在线| 免费av不卡在线播放| 日韩欧美免费精品| 久久久久久久久中文| 97超视频在线观看视频| 精品人妻一区二区三区麻豆 | 日韩亚洲欧美综合| 国产亚洲精品综合一区在线观看| 波多野结衣高清无吗| 国产成年人精品一区二区| 能在线免费观看的黄片| 精品久久久久久久人妻蜜臀av| 99国产极品粉嫩在线观看| 少妇的逼好多水| 99热6这里只有精品| 亚洲美女搞黄在线观看 | 亚洲高清免费不卡视频| 免费观看精品视频网站| 亚洲精品日韩在线中文字幕 | 国模一区二区三区四区视频| 免费观看精品视频网站| av中文乱码字幕在线| 69av精品久久久久久| 国产综合懂色| 两个人的视频大全免费| 91久久精品国产一区二区三区| 蜜桃亚洲精品一区二区三区| 九九在线视频观看精品| a级毛片免费高清观看在线播放| 久久精品国产99精品国产亚洲性色| 欧美激情久久久久久爽电影| 国产蜜桃级精品一区二区三区| 成人av在线播放网站| 中文字幕人妻熟人妻熟丝袜美| 99热这里只有是精品在线观看| 成人永久免费在线观看视频| 天堂动漫精品| 亚洲欧美日韩卡通动漫| 校园春色视频在线观看| 久久久久久九九精品二区国产| 狠狠狠狠99中文字幕| 青春草视频在线免费观看| 久久精品人妻少妇| 亚洲av第一区精品v没综合| 国产精品永久免费网站| 亚洲中文字幕日韩| 精品乱码久久久久久99久播| 国产一区二区激情短视频| 亚洲av电影不卡..在线观看| 久久精品91蜜桃| 麻豆国产97在线/欧美| 极品教师在线视频| 九九在线视频观看精品| 国产国拍精品亚洲av在线观看| 99热这里只有是精品在线观看| 尾随美女入室| av免费在线看不卡| 国产人妻一区二区三区在| 精品少妇黑人巨大在线播放 | 天堂影院成人在线观看| 此物有八面人人有两片| 欧美激情在线99| 日韩大尺度精品在线看网址| 精品人妻视频免费看| 欧美成人一区二区免费高清观看| 亚洲av中文字字幕乱码综合| 国产一区二区在线观看日韩| 久久九九热精品免费| 久久久久久久久久成人| 欧美精品国产亚洲| 日本黄色片子视频| 三级男女做爰猛烈吃奶摸视频| 日韩中字成人| 久久国内精品自在自线图片| av在线亚洲专区| 97人妻精品一区二区三区麻豆| 欧美国产日韩亚洲一区| 日韩人妻高清精品专区| 91久久精品国产一区二区成人| av专区在线播放| 97人妻精品一区二区三区麻豆| 国产美女午夜福利| 亚洲专区国产一区二区| 搡老妇女老女人老熟妇| 欧美一级a爱片免费观看看| 亚洲乱码一区二区免费版| 亚洲七黄色美女视频| 男女那种视频在线观看| 1000部很黄的大片| 精品久久久久久久末码| 人人妻人人看人人澡| 可以在线观看毛片的网站| 日韩一区二区视频免费看| 婷婷色综合大香蕉| 69人妻影院| 久久精品国产亚洲av天美| 波多野结衣高清无吗| 久久九九热精品免费| 看十八女毛片水多多多| 欧美一区二区亚洲| 亚洲久久久久久中文字幕| 免费观看在线日韩| 成人午夜高清在线视频| 在线国产一区二区在线| 久久久成人免费电影| 欧美3d第一页| 一进一出抽搐gif免费好疼| av卡一久久| 久久久久久久久中文| 长腿黑丝高跟| 天堂影院成人在线观看| 亚洲av中文av极速乱| 亚洲av免费高清在线观看| 18+在线观看网站| 男女啪啪激烈高潮av片| 日韩av在线大香蕉| 久久久久久久久中文| 国产精品国产三级国产av玫瑰| 毛片一级片免费看久久久久| 日韩成人伦理影院| 亚洲av.av天堂| 夜夜夜夜夜久久久久| 国产精品一区二区性色av| 丝袜美腿在线中文| 少妇的逼水好多| 国产欧美日韩精品亚洲av| 99久国产av精品| 嫩草影视91久久| 午夜免费激情av| 久久久久国产网址| 97在线视频观看| 天堂影院成人在线观看| 男人舔女人下体高潮全视频| 成人鲁丝片一二三区免费| 午夜福利在线观看免费完整高清在 | 亚洲第一区二区三区不卡| 两个人视频免费观看高清| 国产伦一二天堂av在线观看| 国产一区亚洲一区在线观看| 精品无人区乱码1区二区| 亚洲成人av在线免费| 一级毛片久久久久久久久女| 赤兔流量卡办理| 九色成人免费人妻av| 久久精品久久久久久噜噜老黄 | 久久久久国内视频| 中文字幕免费在线视频6| 国产一级毛片七仙女欲春2| 亚洲国产欧美人成| 在线免费观看不下载黄p国产| 欧美绝顶高潮抽搐喷水| 国产一区二区在线观看日韩| 插阴视频在线观看视频| 人人妻人人澡人人爽人人夜夜 | 色噜噜av男人的天堂激情| 午夜激情福利司机影院| 寂寞人妻少妇视频99o| 亚洲国产精品成人综合色| 日韩在线高清观看一区二区三区| 99热只有精品国产| 亚洲aⅴ乱码一区二区在线播放| 午夜视频国产福利| 波多野结衣高清作品| 亚洲国产精品久久男人天堂| av中文乱码字幕在线| 春色校园在线视频观看| 全区人妻精品视频| 91在线精品国自产拍蜜月| 国产大屁股一区二区在线视频| 日日啪夜夜撸| 免费观看的影片在线观看| 日韩国内少妇激情av| 最近中文字幕高清免费大全6| 亚洲性久久影院| 有码 亚洲区| 国产高清三级在线| 日韩精品有码人妻一区| 91精品国产九色| 婷婷精品国产亚洲av在线| 日本a在线网址| 黄色一级大片看看| 国国产精品蜜臀av免费| 亚洲av不卡在线观看| 99国产极品粉嫩在线观看| 久99久视频精品免费| 两个人的视频大全免费| 国产淫片久久久久久久久| 成人亚洲欧美一区二区av| 69av精品久久久久久| 天堂av国产一区二区熟女人妻| 99久久中文字幕三级久久日本| 国产精品久久久久久av不卡| 日本撒尿小便嘘嘘汇集6| 久久久久久九九精品二区国产| 日韩欧美一区二区三区在线观看| 99国产精品一区二区蜜桃av| 亚洲精华国产精华液的使用体验 | 国产一区二区三区在线臀色熟女| 国产亚洲av嫩草精品影院| 国产成人freesex在线 | 免费看日本二区| 亚洲乱码一区二区免费版| 国产麻豆成人av免费视频| 身体一侧抽搐| 精品久久久久久久末码| 三级经典国产精品| 久久综合国产亚洲精品| 少妇的逼水好多| 亚洲熟妇熟女久久| 男女边吃奶边做爰视频| 国产av不卡久久| 亚洲精品影视一区二区三区av| 成人一区二区视频在线观看| 亚洲av免费在线观看| 亚洲图色成人| 国产不卡一卡二| 精品午夜福利视频在线观看一区| 天天躁夜夜躁狠狠久久av| 插阴视频在线观看视频| 亚洲av二区三区四区| 最近中文字幕高清免费大全6| 国产成人一区二区在线| 91久久精品国产一区二区三区| 国产av麻豆久久久久久久| 亚洲精品色激情综合| 十八禁国产超污无遮挡网站| 国产伦精品一区二区三区视频9| 晚上一个人看的免费电影| 成人三级黄色视频| 韩国av在线不卡| 欧美+亚洲+日韩+国产| 国产美女午夜福利| 在线观看av片永久免费下载| 免费大片18禁| 免费看光身美女| 日本一二三区视频观看| 欧美日本亚洲视频在线播放| 欧美成人免费av一区二区三区| 91麻豆精品激情在线观看国产| 午夜视频国产福利| av卡一久久| 国产女主播在线喷水免费视频网站 | 联通29元200g的流量卡| 女生性感内裤真人,穿戴方法视频| 黄色欧美视频在线观看| 国产高清视频在线观看网站| 久久久久久久久久久丰满| 国产高清激情床上av| 国产精品一二三区在线看| 亚洲成人久久性| 亚洲va在线va天堂va国产| 欧美区成人在线视频| 91久久精品国产一区二区成人| 国产精品一区二区三区四区免费观看 | 一级黄片播放器| 日韩精品青青久久久久久| 非洲黑人性xxxx精品又粗又长| 12—13女人毛片做爰片一| 熟女人妻精品中文字幕| av在线蜜桃| av女优亚洲男人天堂| 人妻夜夜爽99麻豆av| 简卡轻食公司| 欧美+亚洲+日韩+国产| 欧美xxxx性猛交bbbb| 国产精品久久久久久亚洲av鲁大| 99热全是精品| 午夜福利18| 国产单亲对白刺激| 看非洲黑人一级黄片| 精品久久久久久成人av| 日韩欧美一区二区三区在线观看| 精品久久久久久久久久免费视频| 欧美性感艳星| 高清午夜精品一区二区三区 | 亚洲无线观看免费| 亚洲va在线va天堂va国产| 欧美三级亚洲精品| 久久午夜亚洲精品久久| 国产精品人妻久久久久久| 欧美日韩综合久久久久久| 亚洲av成人av| 老女人水多毛片| 高清日韩中文字幕在线| 99久久成人亚洲精品观看| 99热只有精品国产| 人妻丰满熟妇av一区二区三区| 麻豆国产97在线/欧美| 亚洲中文日韩欧美视频| 一级毛片久久久久久久久女| 天天一区二区日本电影三级| 亚洲av第一区精品v没综合| 国产白丝娇喘喷水9色精品| 亚洲精品影视一区二区三区av| 高清午夜精品一区二区三区 | 亚洲精品影视一区二区三区av| 亚洲专区国产一区二区| 午夜福利视频1000在线观看| 国产高潮美女av| 非洲黑人性xxxx精品又粗又长| 久久国产乱子免费精品| 精品午夜福利视频在线观看一区| 九九久久精品国产亚洲av麻豆| 真实男女啪啪啪动态图| 国产精品一及| 在线国产一区二区在线| 最近手机中文字幕大全| 无遮挡黄片免费观看| 丝袜喷水一区| 岛国在线免费视频观看| 久久久久久九九精品二区国产| 精品99又大又爽又粗少妇毛片| 九九热线精品视视频播放| 在线天堂最新版资源| 欧美中文日本在线观看视频| 九色成人免费人妻av| 欧美最新免费一区二区三区| 在线看三级毛片| 亚洲一级一片aⅴ在线观看| 一个人看视频在线观看www免费| 成人av在线播放网站| 婷婷六月久久综合丁香| av在线亚洲专区| 99在线视频只有这里精品首页| 国产不卡一卡二| 午夜日韩欧美国产| 高清毛片免费观看视频网站| 精品人妻视频免费看| 国产伦精品一区二区三区四那| 97热精品久久久久久| 亚洲真实伦在线观看| 乱码一卡2卡4卡精品| а√天堂www在线а√下载| 老熟妇仑乱视频hdxx| 天堂影院成人在线观看| а√天堂www在线а√下载| 22中文网久久字幕| 国产综合懂色| 嫩草影院新地址| 欧美一区二区精品小视频在线| 又爽又黄a免费视频| 搡老妇女老女人老熟妇| 又粗又爽又猛毛片免费看| 99久久成人亚洲精品观看| 嫩草影院新地址| 又粗又爽又猛毛片免费看| 国产 一区 欧美 日韩| 丝袜美腿在线中文| 自拍偷自拍亚洲精品老妇| 一级毛片aaaaaa免费看小|