• <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
    在线观看免费午夜福利视频| 亚洲熟女毛片儿| 亚洲一区中文字幕在线| 女人被躁到高潮嗷嗷叫费观| 亚洲第一av免费看| 飞空精品影院首页| 超碰成人久久| 大片免费播放器 马上看| 国产亚洲午夜精品一区二区久久| 一区二区av电影网| 欧美精品av麻豆av| 9191精品国产免费久久| 妹子高潮喷水视频| 亚洲伊人色综图| 免费少妇av软件| 国产一卡二卡三卡精品| 中文字幕人妻丝袜制服| 一区在线观看完整版| 99热网站在线观看| 久久精品国产99精品国产亚洲性色 | 一区二区av电影网| 国产精品影院久久| 免费看a级黄色片| 老汉色av国产亚洲站长工具| 欧美激情高清一区二区三区| 啪啪无遮挡十八禁网站| 在线av久久热| 看免费av毛片| 中文亚洲av片在线观看爽 | 亚洲第一av免费看| 国产精品九九99| 69av精品久久久久久 | 亚洲欧美一区二区三区久久| 欧美日韩黄片免| 精品亚洲成a人片在线观看| 国产一卡二卡三卡精品| 精品国产一区二区三区久久久樱花| a级毛片在线看网站| 99久久国产精品久久久| 午夜老司机福利片| 亚洲精品国产一区二区精华液| 丰满迷人的少妇在线观看| 国产成人精品久久二区二区免费| 女同久久另类99精品国产91| 无遮挡黄片免费观看| 日韩精品免费视频一区二区三区| 日韩熟女老妇一区二区性免费视频| 高清黄色对白视频在线免费看| 久久精品亚洲av国产电影网| 日本vs欧美在线观看视频| 国产麻豆69| 亚洲综合色网址| 精品国产乱子伦一区二区三区| 欧美乱码精品一区二区三区| 九色亚洲精品在线播放| 色在线成人网| 国产一区二区激情短视频| 99国产综合亚洲精品| 亚洲精华国产精华精| 日本av免费视频播放| 亚洲免费av在线视频| 欧美日韩亚洲国产一区二区在线观看 | 色综合婷婷激情| 王馨瑶露胸无遮挡在线观看| 日本av手机在线免费观看| 一区二区三区国产精品乱码| 黑人巨大精品欧美一区二区mp4| 人人妻,人人澡人人爽秒播| 久久久欧美国产精品| 性高湖久久久久久久久免费观看| 免费人妻精品一区二区三区视频| 久久久国产成人免费| 香蕉国产在线看| 亚洲国产欧美在线一区| 9191精品国产免费久久| 天天躁夜夜躁狠狠躁躁| 国产不卡av网站在线观看| 日韩欧美免费精品| 欧美另类亚洲清纯唯美| 欧美精品亚洲一区二区| a级片在线免费高清观看视频| 免费人妻精品一区二区三区视频| 青青草视频在线视频观看| 丝袜在线中文字幕| 亚洲九九香蕉| 丰满人妻熟妇乱又伦精品不卡| 国产亚洲av高清不卡| 人妻一区二区av| 久久免费观看电影| av网站在线播放免费| 亚洲国产欧美网| 亚洲精品在线美女| 国产淫语在线视频| 夜夜爽天天搞| av又黄又爽大尺度在线免费看| 久久99热这里只频精品6学生| 99国产精品99久久久久| 欧美+亚洲+日韩+国产| 亚洲视频免费观看视频| 久久人妻福利社区极品人妻图片| 波多野结衣一区麻豆| 亚洲人成伊人成综合网2020| 久久人人爽av亚洲精品天堂| 在线观看66精品国产| 一进一出好大好爽视频| 久久久久国内视频| 69av精品久久久久久 | 国产一区二区 视频在线| www.精华液| 18禁裸乳无遮挡动漫免费视频| 国产97色在线日韩免费| 久久香蕉激情| 久久免费观看电影| 成年动漫av网址| 午夜福利视频在线观看免费| 午夜激情av网站| 欧美乱码精品一区二区三区| 亚洲欧美日韩高清在线视频 | 一边摸一边抽搐一进一出视频| 精品久久久精品久久久| 高清欧美精品videossex| 又紧又爽又黄一区二区| 亚洲欧美日韩另类电影网站| 国产99久久九九免费精品| 天堂动漫精品| 在线观看免费视频日本深夜| 成年版毛片免费区| 一级黄色大片毛片| 一区二区三区激情视频| 免费日韩欧美在线观看| 欧美人与性动交α欧美软件| 别揉我奶头~嗯~啊~动态视频| 精品熟女少妇八av免费久了| 欧美亚洲 丝袜 人妻 在线| 视频在线观看一区二区三区| 99riav亚洲国产免费| 久久久久久久久久久久大奶| 日韩大码丰满熟妇| 又大又爽又粗| 亚洲精品国产色婷婷电影| 中文字幕精品免费在线观看视频| av天堂在线播放| 国产在线视频一区二区| 嫁个100分男人电影在线观看| 亚洲avbb在线观看| 麻豆成人av在线观看| 99re在线观看精品视频| 亚洲九九香蕉| www.精华液| 在线 av 中文字幕| 亚洲视频免费观看视频| 亚洲av国产av综合av卡| 夫妻午夜视频| 高清欧美精品videossex| 免费黄频网站在线观看国产| 亚洲精品粉嫩美女一区| 久久精品成人免费网站| 亚洲国产中文字幕在线视频| 午夜激情av网站| 色在线成人网| 夜夜爽天天搞| 丰满迷人的少妇在线观看| 在线观看66精品国产| 欧美黑人精品巨大| 一级片免费观看大全| 熟女少妇亚洲综合色aaa.| 757午夜福利合集在线观看| 欧美成人午夜精品| 热99久久久久精品小说推荐| 青草久久国产| 丰满迷人的少妇在线观看| 黄色成人免费大全| 精品一品国产午夜福利视频| 久久久久国内视频| 99精品在免费线老司机午夜| 成年人午夜在线观看视频| 美女午夜性视频免费| 91av网站免费观看| 首页视频小说图片口味搜索| 五月天丁香电影| 丁香欧美五月| 51午夜福利影视在线观看| 嫁个100分男人电影在线观看| 国产片内射在线| 欧美成人午夜精品| 国产伦理片在线播放av一区| 国产熟女午夜一区二区三区| av国产精品久久久久影院| 午夜两性在线视频| 宅男免费午夜| 男人操女人黄网站| 亚洲自偷自拍图片 自拍| 极品少妇高潮喷水抽搐| 欧美黄色片欧美黄色片| 99精品欧美一区二区三区四区| 1024视频免费在线观看| 国产激情久久老熟女| 老司机亚洲免费影院| av天堂在线播放| 黄色视频不卡| 日韩有码中文字幕| netflix在线观看网站| 99国产极品粉嫩在线观看| 国产男女超爽视频在线观看| 三级毛片av免费| 天天躁日日躁夜夜躁夜夜| 欧美亚洲日本最大视频资源| 欧美黑人欧美精品刺激| 99久久精品国产亚洲精品| 久久国产亚洲av麻豆专区| 中文字幕制服av| 视频区欧美日本亚洲| 国产黄色免费在线视频| 黄色怎么调成土黄色| 在线观看免费视频日本深夜| 99久久人妻综合| avwww免费| netflix在线观看网站| 国产精品亚洲av一区麻豆| 亚洲伊人久久精品综合| 99久久国产精品久久久| 日韩中文字幕视频在线看片| 亚洲欧美日韩高清在线视频 | 老熟妇仑乱视频hdxx| 国产深夜福利视频在线观看| 老汉色av国产亚洲站长工具| 丝袜人妻中文字幕| 国产精品一区二区在线不卡| 久久久精品区二区三区| 99re6热这里在线精品视频| 日本av免费视频播放| 黄片播放在线免费| 少妇粗大呻吟视频| 女性生殖器流出的白浆| 日本撒尿小便嘘嘘汇集6| 这个男人来自地球电影免费观看| 欧美亚洲 丝袜 人妻 在线| 久久久国产成人免费| 精品国产乱子伦一区二区三区| 一本—道久久a久久精品蜜桃钙片| 欧美久久黑人一区二区| 日韩中文字幕欧美一区二区| 1024香蕉在线观看| 高清毛片免费观看视频网站 | 丰满饥渴人妻一区二区三| 国产伦理片在线播放av一区| 欧美人与性动交α欧美精品济南到| 日日夜夜操网爽| 人人妻,人人澡人人爽秒播| 国内毛片毛片毛片毛片毛片| 在线av久久热| 欧美 亚洲 国产 日韩一| 国产又色又爽无遮挡免费看| 久久久久国内视频| 看免费av毛片| 欧美+亚洲+日韩+国产| 国产成人精品久久二区二区91| 国产99久久九九免费精品| 80岁老熟妇乱子伦牲交| 2018国产大陆天天弄谢| 欧美av亚洲av综合av国产av| 精品国产乱码久久久久久小说| 亚洲五月色婷婷综合| 91av网站免费观看| 99精品在免费线老司机午夜| 国产精品二区激情视频| 一级毛片电影观看| 日韩成人在线观看一区二区三区| 久久这里只有精品19| 久久久久久免费高清国产稀缺| 人成视频在线观看免费观看| 国产亚洲精品一区二区www | av片东京热男人的天堂| 嫩草影视91久久| 国产色视频综合| 97人妻天天添夜夜摸| 大陆偷拍与自拍| 黄色怎么调成土黄色| 欧美变态另类bdsm刘玥| 美女扒开内裤让男人捅视频| 欧美在线黄色| 777米奇影视久久| 大型黄色视频在线免费观看| 香蕉国产在线看| 国产精品99久久99久久久不卡| 99国产综合亚洲精品| 一级毛片精品| 十八禁网站网址无遮挡| 9色porny在线观看| 亚洲第一青青草原| 国产精品一区二区在线不卡| 国产淫语在线视频| 大片电影免费在线观看免费| 美女午夜性视频免费| 日本vs欧美在线观看视频| 少妇粗大呻吟视频| 99精品久久久久人妻精品| 黑人巨大精品欧美一区二区mp4| 久久精品国产亚洲av高清一级| 亚洲av片天天在线观看| 国产精品一区二区在线观看99| 黄片播放在线免费| 亚洲成av片中文字幕在线观看| 国产精品久久电影中文字幕 | 91麻豆精品激情在线观看国产 | 日本wwww免费看| 国产无遮挡羞羞视频在线观看| 一级,二级,三级黄色视频| 国产精品久久久久成人av| 久久久国产精品麻豆| 亚洲 欧美一区二区三区| 宅男免费午夜| 久久热在线av| 国产精品免费一区二区三区在线 | 最近最新中文字幕大全电影3 | 欧美黑人欧美精品刺激| 欧美一级毛片孕妇| 欧美性长视频在线观看| 不卡av一区二区三区| 建设人人有责人人尽责人人享有的| 男女无遮挡免费网站观看| 久久免费观看电影| 亚洲精品av麻豆狂野| 久久精品熟女亚洲av麻豆精品| 国产黄频视频在线观看| av不卡在线播放| 另类亚洲欧美激情| 国产成人精品久久二区二区91| 大片电影免费在线观看免费| 精品国产一区二区三区四区第35| av又黄又爽大尺度在线免费看| 涩涩av久久男人的天堂| av片东京热男人的天堂| 美女视频免费永久观看网站| 午夜精品久久久久久毛片777| 激情视频va一区二区三区| 麻豆av在线久日| 精品福利观看| 亚洲一区二区三区欧美精品| 亚洲五月色婷婷综合| 最近最新免费中文字幕在线| 国产精品98久久久久久宅男小说| 久久久久久久久久久久大奶| 变态另类成人亚洲欧美熟女 | 我要看黄色一级片免费的| 亚洲性夜色夜夜综合| 成人精品一区二区免费| 国产三级黄色录像| 精品高清国产在线一区| 国产精品一区二区在线观看99| 亚洲色图综合在线观看| 国产精品九九99| 啦啦啦中文免费视频观看日本| 99re6热这里在线精品视频| 久久热在线av| 亚洲精品美女久久av网站| 天堂8中文在线网| 欧美午夜高清在线| 国产人伦9x9x在线观看| 免费在线观看完整版高清| 国产高清国产精品国产三级| 国产一卡二卡三卡精品| 久久午夜综合久久蜜桃| 亚洲男人天堂网一区| 欧美精品av麻豆av| 黄片小视频在线播放| 国产片内射在线| 少妇被粗大的猛进出69影院| 成人18禁高潮啪啪吃奶动态图| 一区福利在线观看| 亚洲国产中文字幕在线视频| 亚洲视频免费观看视频| 50天的宝宝边吃奶边哭怎么回事| 19禁男女啪啪无遮挡网站| 一级毛片精品| 极品教师在线免费播放| 免费日韩欧美在线观看| 中亚洲国语对白在线视频| 久热爱精品视频在线9| 久久精品成人免费网站| 国产精品久久久久久精品古装| 成年人黄色毛片网站| 婷婷成人精品国产| 国产亚洲精品久久久久5区| 2018国产大陆天天弄谢| 波多野结衣一区麻豆| 在线播放国产精品三级| 久久久久久免费高清国产稀缺| 视频区欧美日本亚洲| 久久久国产成人免费| 九色亚洲精品在线播放| 久久中文字幕一级| 人人妻人人添人人爽欧美一区卜| 国产在线观看jvid| 成人黄色视频免费在线看| 亚洲色图av天堂| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站 | 久热这里只有精品99| 精品久久久久久电影网| 动漫黄色视频在线观看| 高清黄色对白视频在线免费看| 亚洲国产欧美网| 99re6热这里在线精品视频| 国产精品久久电影中文字幕 | 精品福利观看| 久久久水蜜桃国产精品网| 国产高清videossex| 在线永久观看黄色视频| 我的亚洲天堂| 亚洲中文av在线| 久久精品国产综合久久久| 中文字幕人妻丝袜制服| 国产精品99久久99久久久不卡| 最新的欧美精品一区二区| 精品一区二区三区视频在线观看免费 | 国产成人欧美| 老司机午夜十八禁免费视频| 丁香欧美五月| 成人影院久久| 久久久久精品人妻al黑| netflix在线观看网站| 免费观看av网站的网址| 亚洲专区国产一区二区| 国产色视频综合| 狠狠精品人妻久久久久久综合| 极品人妻少妇av视频| 波多野结衣av一区二区av| 亚洲国产欧美在线一区| 国产91精品成人一区二区三区 | 免费观看av网站的网址| 超碰成人久久| av网站免费在线观看视频| 又紧又爽又黄一区二区| 亚洲人成电影免费在线| 久久青草综合色| 亚洲中文av在线| 一区二区三区乱码不卡18| 天堂中文最新版在线下载| 欧美精品亚洲一区二区| 久久九九热精品免费| 国产欧美日韩一区二区三区在线| 一本—道久久a久久精品蜜桃钙片| 国产精品香港三级国产av潘金莲| 丰满迷人的少妇在线观看| 亚洲精品国产精品久久久不卡| 亚洲成人手机| 在线看a的网站| 国产视频一区二区在线看| 一区在线观看完整版| 人人妻,人人澡人人爽秒播| 大码成人一级视频| 午夜福利一区二区在线看| 色视频在线一区二区三区| 日韩三级视频一区二区三区| 无限看片的www在线观看| 母亲3免费完整高清在线观看| 日韩中文字幕欧美一区二区| 国产精品秋霞免费鲁丝片| 欧美av亚洲av综合av国产av| av天堂久久9| 老汉色av国产亚洲站长工具| 午夜福利影视在线免费观看| av网站免费在线观看视频| 热re99久久精品国产66热6| 日韩有码中文字幕| 久久国产精品男人的天堂亚洲| 高清在线国产一区| 国产三级黄色录像| 不卡av一区二区三区| 这个男人来自地球电影免费观看| 亚洲 国产 在线| 婷婷丁香在线五月| 国产精品免费一区二区三区在线 | 国产精品国产高清国产av | 亚洲精品久久午夜乱码| 免费观看人在逋| 国产精品一区二区精品视频观看| 久9热在线精品视频| 人人妻,人人澡人人爽秒播| 2018国产大陆天天弄谢| 国产在线视频一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美变态另类bdsm刘玥| 免费一级毛片在线播放高清视频 | 欧美亚洲日本最大视频资源| 18禁裸乳无遮挡动漫免费视频| av视频免费观看在线观看| xxxhd国产人妻xxx| 性色av乱码一区二区三区2| 国产视频一区二区在线看| 18禁黄网站禁片午夜丰满| 亚洲国产毛片av蜜桃av| 久久人妻av系列| 成人亚洲精品一区在线观看| 黄色视频在线播放观看不卡| av福利片在线| 久久狼人影院| 窝窝影院91人妻| 久久精品国产亚洲av高清一级| 天堂俺去俺来也www色官网| 极品人妻少妇av视频| 国产高清激情床上av| 国产av国产精品国产| 免费观看人在逋| 亚洲中文字幕日韩| 女人精品久久久久毛片| a级片在线免费高清观看视频| 亚洲av片天天在线观看| 麻豆av在线久日| 嫩草影视91久久| 国产亚洲午夜精品一区二区久久| 大香蕉久久网| 午夜激情av网站| 日韩有码中文字幕| 国产不卡一卡二| xxxhd国产人妻xxx| 亚洲七黄色美女视频| 亚洲熟女毛片儿| aaaaa片日本免费| 一区二区日韩欧美中文字幕| 久久99热这里只频精品6学生| 肉色欧美久久久久久久蜜桃| 亚洲三区欧美一区| 老司机午夜十八禁免费视频| 久久毛片免费看一区二区三区| 啦啦啦在线免费观看视频4| 国产亚洲精品久久久久5区| 亚洲中文字幕日韩| 国产区一区二久久| 久久av网站| 欧美日韩国产mv在线观看视频| 国产av精品麻豆| 国产成+人综合+亚洲专区| 国产一区二区三区综合在线观看| 亚洲七黄色美女视频| 在线观看舔阴道视频| 国产在线免费精品| 怎么达到女性高潮| 久久中文看片网| 国产精品久久电影中文字幕 | 蜜桃国产av成人99| av又黄又爽大尺度在线免费看| 中文字幕人妻丝袜一区二区| 国产在视频线精品| 男人操女人黄网站| 成年动漫av网址| 一区二区三区国产精品乱码| 亚洲一区二区三区欧美精品| 免费看a级黄色片| 成人影院久久| 中文字幕另类日韩欧美亚洲嫩草| 黄网站色视频无遮挡免费观看| 亚洲免费av在线视频| 高清视频免费观看一区二区| 色婷婷久久久亚洲欧美| 最黄视频免费看| av在线播放免费不卡| 丁香六月欧美| 一边摸一边抽搐一进一小说 | 久久国产精品大桥未久av| 真人做人爱边吃奶动态| 国产主播在线观看一区二区| 国产一区二区三区综合在线观看| svipshipincom国产片| 他把我摸到了高潮在线观看 | 精品国产超薄肉色丝袜足j| 亚洲精品中文字幕一二三四区 | 交换朋友夫妻互换小说| 亚洲专区国产一区二区| 桃红色精品国产亚洲av| 每晚都被弄得嗷嗷叫到高潮| 精品久久久久久电影网| 久久国产精品男人的天堂亚洲| 黄色丝袜av网址大全| 人人妻人人爽人人添夜夜欢视频| 黄色毛片三级朝国网站| 午夜福利免费观看在线| 欧美国产精品va在线观看不卡| 久久免费观看电影| 蜜桃国产av成人99| 日本wwww免费看| 免费在线观看日本一区| 国产三级黄色录像| 无限看片的www在线观看| 一级,二级,三级黄色视频| 18禁观看日本| 制服人妻中文乱码| 国产伦人伦偷精品视频| 三上悠亚av全集在线观看| 久久久精品94久久精品| 亚洲九九香蕉| 女人被躁到高潮嗷嗷叫费观| 丰满人妻熟妇乱又伦精品不卡| 久久中文字幕人妻熟女| 悠悠久久av| www.精华液| 国内毛片毛片毛片毛片毛片| 国产高清视频在线播放一区| 黑人猛操日本美女一级片| 日韩欧美免费精品| 国产欧美日韩一区二区三区在线| av天堂久久9| 最近最新中文字幕大全免费视频| 丝瓜视频免费看黄片| 黄片播放在线免费| 电影成人av| 丁香六月天网| 日日摸夜夜添夜夜添小说| 亚洲一区二区三区欧美精品| 搡老岳熟女国产| 免费一级毛片在线播放高清视频 | 免费人妻精品一区二区三区视频| 日韩 欧美 亚洲 中文字幕| 亚洲午夜理论影院|