亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        航空傾斜攝影系統(tǒng)多相機(jī)姿態(tài)安裝誤差檢校

        2016-07-25 11:10:24馮雁飛張云生杜守基
        測繪工程 2016年8期
        關(guān)鍵詞:檢校連接點同名

        馮雁飛,張云生 ,杜守基

        (中南大學(xué) 地球科學(xué)與信息物理學(xué)院,湖南 長沙 410083)

        ?

        航空傾斜攝影系統(tǒng)多相機(jī)姿態(tài)安裝誤差檢校

        馮雁飛,張云生 ,杜守基

        (中南大學(xué) 地球科學(xué)與信息物理學(xué)院,湖南 長沙 410083)

        針對航空傾斜攝影系統(tǒng)多相機(jī)間相對關(guān)系的姿態(tài)誤差,提出一種利用下視影像密集匹配點云約束的聯(lián)合平差多相機(jī)姿態(tài)安裝誤差檢校方法。文中方法以共線方程為基礎(chǔ),通過聯(lián)立傾斜立體像對連接點、下視影像密集匹配點云數(shù)據(jù)提供的高程約束虛擬觀測值,采用非線性最小二乘SQPM算法求解傾斜影像的外方位元素改正數(shù),從而解算下視相機(jī)與傾斜相機(jī)間的姿態(tài)安裝誤差。為了保證連接點可靠性,提高虛擬觀測值的有效性,采用下視影像密集匹配的點云約束傾斜影像立體連接點匹配和分布優(yōu)化過程。利用SWDC-5傾斜攝影系統(tǒng)獲取的數(shù)據(jù)進(jìn)行實驗,通過原始姿態(tài)檢校參數(shù)將下視影像生成的密集點云投影至傾斜立體影像上,在像方有22個像素左右的誤差,采用文中方法檢校后,像方誤差減少到0.29個像素。

        航空傾斜攝影系統(tǒng);檢校;聯(lián)合平差;SQPM算法

        傾斜航空攝影的出現(xiàn)改變了傳統(tǒng)攝影測量方式,為我們提供了更詳盡的多角度空間影像信息[1-3]。傾斜航空攝影技術(shù)采用5個鏡頭同時獲取下、前、后、左、右5個方向影像數(shù)據(jù),外加GPS/IMU系統(tǒng)獲取下視相機(jī)的空間位置和姿態(tài)信息,其他4個相機(jī)的姿態(tài)和方位可以通過相機(jī)間的相對安裝關(guān)系推理[4-5]。但下視相機(jī)和傾斜相機(jī)在飛行過程中,有可能存在曝光不同步,以及受到安裝工藝的影響,易導(dǎo)致相機(jī)之間的關(guān)系檢校參數(shù)存在一定的誤差,從而影響后續(xù)的三維建?;蛘呒y理映射等工作[6]。

        傳統(tǒng)的安裝誤差檢校,主要針對下視相機(jī)和POS系統(tǒng)之間的安裝誤差,可以采用檢校場進(jìn)行檢校;或者在平差過程中,在控制點約束下,顧及這個安裝誤差,利用POS數(shù)據(jù)輔助的光束法平差來進(jìn)行檢校[7-8]。在檢校場數(shù)據(jù)有限的情況下,如果有激光點云等輔助數(shù)據(jù),可以使用激光掃描數(shù)據(jù)來檢校安置角誤差,達(dá)到配準(zhǔn)激光點云數(shù)據(jù)和同步影像的目的[9-10]。

        當(dāng)前的攝影測量系統(tǒng)處理傾斜攝影系統(tǒng)獲取的下視影像的技術(shù)和工藝已日趨成熟,因此,本文以下視影像自動空三的結(jié)果為基礎(chǔ),采用密集匹配方法獲取下視影像密集點云,然后以該點云為約束條件,通過聯(lián)合平差的方法檢校下視影像和傾斜影像之間的安裝誤差。

        1 基于聯(lián)合平差的檢校方法

        1.1檢校流程

        本文基于聯(lián)合平差的檢校流程如圖1所示,一共分為以下3個步驟:

        1) 下視影像密集匹配點云約束的傾斜影像立體像對SIFT匹配。首先通過SIFT匹配獲取重疊區(qū)域的同名點[11],然后利用 RANSAC 算法剔除可能的錯誤匹配點[12]。

        2) 同名點分布優(yōu)化。根據(jù)聯(lián)合平差的要求,對同名點的分布進(jìn)行優(yōu)化。

        3) 聯(lián)合平差。構(gòu)建誤差方程,采用最小二乘間接平差原理進(jìn)行平差迭代求解參數(shù),實現(xiàn)下視影像與傾斜影像間相對位置關(guān)系的檢校。

        1.2聯(lián)合平差模型

        本文聯(lián)合平差模型的誤差方程包括如式(1)所示的兩類誤差方程。

        (1)

        1.3SQPM算法

        非線性函數(shù)的經(jīng)典最小二乘平差是用線性函數(shù)模型的方法把非線性函數(shù)在參數(shù)的概略值處對其進(jìn)行泰勒級數(shù)展開,忽略高次項后按照最小二乘法求解。該方法的局限性在于參數(shù)的概略值必須接近參數(shù)的平差值[13],否則線性化過程中存在著難以忽略的模型誤差,造成求解參數(shù)不在真實值附近收斂或者造成發(fā)散,難以求解。

        SQPM(SequentialQuadraticProgrammingMethod,序列二次規(guī)劃方法) 算法[14,15]又稱為基于二次規(guī)劃的投影Lagrange方法,是一種帶約束極值算法。SQPM的Hesse矩陣恒等于2P,為常數(shù)陣,無需迭代進(jìn)行修正計算,采用SQPM算法求解時避開了棘手的修正Hesse矩陣的繁瑣計算。數(shù)學(xué)模型為

        (2)

        該模型對概率值的要求只要是在參數(shù)平差值鄰近較寬的連續(xù)、平滑、單調(diào)、可微區(qū)間內(nèi)的任意一點Xk處。

        (3)

        1.4高程約束

        對于下視影像密集匹配生成的點云數(shù)據(jù)內(nèi)插出的DSM(Digital Surface Model),若下視相機(jī)與傾斜相機(jī)間相對關(guān)系不含誤差,則利用共線方程前方交會求出的連接點物方坐標(biāo)應(yīng)該和利用下視影像匹配得到點云生成的DSM內(nèi)插物方坐標(biāo)的高程值在誤差范圍內(nèi)接近。由于相對關(guān)系存在誤差,導(dǎo)致由下視影像外方位元素以及相對關(guān)系推導(dǎo)的傾斜影像初始外方位元素不準(zhǔn)確,從而傾斜影像前方交會求出的高程值和下視影像密集匹配點云生成DSM內(nèi)插求出的高程值存在較大差值。本文方法以這個高程的差值作為虛擬觀測,實現(xiàn)平差后傾斜影像連接點的高程值接近下視影像密集匹配點云DSM內(nèi)插的高程。

        如圖2所示,L,R為傾斜相機(jī)的影像,V點云是下視影像密集匹配得到的點云,同名點x-x′對應(yīng)的物方點為A(X,Y,Z)。若傾斜影像外方位元素準(zhǔn)確,則A點的高程應(yīng)該等于周圍點云內(nèi)插出的高程Zinter,即

        (4)

        由于傾斜影像的外方位元素存在誤差,因此,式(5)改寫為誤差方程式為

        (5)

        式(5)即為密集匹配點云高程約束的虛擬觀測方程,Z0為傾斜影像連接點使用初始外方位元素前方交會計算的初始高程值。當(dāng)連接點位于建筑物邊緣或植被區(qū)域時,內(nèi)插的高程精度會下降。由于采用了連接點前方交會的高程和內(nèi)插的高程值作為虛擬觀測,因此,為了保證虛擬觀測能夠正確約束聯(lián)合平差,本文只選擇位于點云分布平滑區(qū)域內(nèi)的同名點作為平差的連接點。

        圖2 點云高程約束

        1.5點云輔助的SIFT特征匹配與優(yōu)化

        連接點的提取和優(yōu)化是本文基于聯(lián)合平差進(jìn)行數(shù)字影像和點云配準(zhǔn)的關(guān)鍵所在,手工量測同名點往往耗費大量的時間。經(jīng)典SIFT匹配不僅耗時,而且分布受到紋理的影響,不符合本文連接點的要求。因此,本文利用點云來約束SIFT特征匹配主要步驟如下:

        1) 將點云數(shù)據(jù)投影至立體影像上,根據(jù)投影點計算立體影像的重疊區(qū)域。

        2) 在立體影像上的重疊區(qū)域提取立體影像的SIFT特征點并進(jìn)行匹配,并且采用雙向匹配法進(jìn)一步保證匹配可靠性。

        3) 基于相對定向的誤差剔除。雖然基于SIFT的特征點匹配能夠取得大量的同名點,并且經(jīng)過雙向匹配后,錯誤匹配得到很大程度抑制,但依然存在有少量的錯誤匹配,因此,本文結(jié)合RANSAC算法以及立體像對的核線幾何約束,計算基礎(chǔ)矩陣,來過濾掉可能的錯誤匹配[10]。

        4) 同名點優(yōu)化。本文聯(lián)合平差需要的同名點周圍應(yīng)有大量的點云,才能保證每次迭代結(jié)果落在可靠區(qū)域。因此,檢查初始同名點以R(實驗中R取50個像素)為半徑的圓形區(qū)域內(nèi)是否存在一定數(shù)目點云,并且點云的高程標(biāo)準(zhǔn)差是否小于閾值δ(δ取0.1 m)。由于不確定系統(tǒng)誤差的分布情況,因此,在檢查周圍點的分布時,同名點周圍的4個象限都需要有激光點云存在。通過以上步驟,篩選出合適的同名點后,再在每個均勻格網(wǎng)中選擇一個同名點作為最后參與平差的連接點。

        1.6權(quán)值確定

        式(1)中,連接點可以認(rèn)為是等權(quán)觀測,因此,P1設(shè)為單位矩陣。方程2有強(qiáng)制約束作用,它能夠讓前方交會求出的三維點高程的Z值強(qiáng)制約束至它的理論真實值位置,通過多次迭代,進(jìn)一步約束,最終使前方交會求出的高程值逐步和真值接近。根據(jù)先驗權(quán)值和具體實驗得出方程2的權(quán)值P2比方程1的權(quán)值P1大2個數(shù)量級方程能夠更好地收斂。

        2 實驗與分析

        2.1實驗數(shù)據(jù)

        為了驗證本文方法,本文采用了SWDC-5系統(tǒng)獲取的影像進(jìn)行實驗,該系統(tǒng)下視E相機(jī)的主距50.688 mm,選用的C相機(jī)的主距是82.252 mm,像元大小6.0 μm。圖3(a) 為下視影像經(jīng)過密集匹配得到的點云數(shù)據(jù),圖3(b)和圖3(c)為C相機(jī)所獲得的一個傾斜立體像對。密集匹配的點云數(shù)據(jù)一共有32,383,134個點,相機(jī)參數(shù)經(jīng)過了嚴(yán)格檢校,影像已經(jīng)過畸變差改正和主點平移,影像大小為8 176像素×6 132像素。

        為了便于后續(xù)結(jié)果分析,用CloudCompare點云處理軟件人機(jī)交互的方式選擇如圖4所示的3個的數(shù)據(jù)塊。其中圖4(a)描述了3個數(shù)據(jù)塊在影像上的大致區(qū)域,圖4(b)、(c)、(d)分別為選擇的數(shù)據(jù)塊點云Ⅰ、Ⅱ、Ⅲ的示意圖。標(biāo)記區(qū)域Ⅰ位于平坦的地面,標(biāo)記區(qū)域Ⅱ位于不規(guī)則的樓頂,標(biāo)記區(qū)域Ⅲ位于棚狀弧形結(jié)構(gòu)的樓頂。通過選擇3種不同位置、不同結(jié)構(gòu)的點云數(shù)據(jù)塊,旨在證明本方法的有效性。

        圖4 標(biāo)記區(qū)域點云

        2.2連接點提取結(jié)果

        對圖3(b)、(c)所示的立體像對,利用SIFT單向匹配共匹配出2 778對同名點,經(jīng)過雙向匹配剔除了454對同名點,剩余2 324對同名點。利用RANSAC方法剔除可能錯誤的匹配后,剩余1 817對同名點,結(jié)果如圖5所示。

        在匹配的基礎(chǔ)上,保留同名點周圍40個像素以內(nèi)、4個象限都有下視影像密集匹配點云投影點,且這些點的高程標(biāo)準(zhǔn)差小于0.2 m的同名點,余下107對同名點。經(jīng)過格網(wǎng)分布優(yōu)化之后,最終保留32對同名點,圖6為最終同名點分布圖。

        圖5 RANSAC后同名點

        2.3檢校結(jié)果

        為了驗證檢校結(jié)果,將圖4(b)、(c)、(d)所示的點云采用檢校前和檢校后的外方位元素數(shù)據(jù)分別投影至傾斜影像上,得到的結(jié)果如圖7所示。其中,檢校之前的結(jié)果采用紅色點標(biāo)記,檢校后的投影結(jié)果采用綠色點標(biāo)記。從圖7可以看出,檢校之前,投影點與影像的屋頂套合存在誤差,約為23個像素大小的偏移。檢校之后,從綠顏色的投影結(jié)果可以看出,點云投影結(jié)果和影像嚴(yán)格套合,且在左右影像都能嚴(yán)格套合,表明本文方法的可行性。

        圖6 連接點分布優(yōu)化結(jié)果

        圖7 檢校前后對比

        圖7可以明顯地發(fā)現(xiàn)無論左右影像,經(jīng)過檢校后,下視影像密集匹配點云可以投影到傾斜立體像對的相應(yīng)位置上。

        2.4精度驗證與分析

        為了進(jìn)一步驗證本文方法,在下視密集匹配點云數(shù)據(jù)輔助下,通過人機(jī)交互的方式,在傾斜立體像對上選擇了19對同名點。然后比較利用檢校前后的外方位元素前方交會的高程與點云數(shù)據(jù)內(nèi)插高程的差值dZ,以及前方交會后,將三維點投影至原始立體影像上分別計算至左右影像的投影差dl和dr,并統(tǒng)計最大值max,最小值min以及均方誤差rmse,結(jié)果如表1所示。從表1可以看出,檢校前,檢查點在左影像上的投影誤差最大值為24個像素,最小值為20個像素,均方根誤差為22個像素;在右影像上的最大投影誤差為26個像素,最小值為19個像素,均方根誤差為23個像素;檢查點的高程誤差均方誤差為2.436 m。采用本文方法進(jìn)行檢校,左影像的投影誤差均方差僅為0.27個像素,右影像為0.36個像素,高程方向的均方誤差為0.038 m。結(jié)果表明,本文方法可以有效提高精度。

        2.5實驗補(bǔ)充

        為了驗證本文方法的可行性,選用了SWDC-5系統(tǒng)D相機(jī)方向的一個立體像對做了對比實驗。圖8為D相機(jī)得到的立體像對,圖9為用D相機(jī)的一個立體像對做實驗,其中圖9(a)描述了3個數(shù)據(jù)塊在D相機(jī)一張影像上的大致區(qū)域,圖9(b)、(c)、(d)分別為選擇的數(shù)據(jù)塊點云Ⅰ、Ⅱ、Ⅲ的示意圖。

        表1 結(jié)果對比

        圖8 實驗數(shù)據(jù)

        通過圖10的左右影像檢校前后投影對比圖,可以發(fā)現(xiàn)該方法在D相機(jī)方向的立體像對經(jīng)過檢校后取得了理想的投影結(jié)果。 對D相機(jī)立體像對實驗結(jié)果進(jìn)行精度分析,從表2可以看出,檢校前,檢查點在左影像上的投影誤差最大值為26個像素,最小值為19個像素,均方根誤差為21個像素;在右影像上的最大投影誤差為26個像素,最小值為19個像素,均方根誤差為23個像素;檢查點的高程誤差均方誤差為2.461 m。采用本文方法進(jìn)行檢校,左影像的投影誤差均方差僅為0.33個像素,右影像為0.35個像素,高程方向的均方誤差為0.036 m。

        圖9 標(biāo)記區(qū)域點云

        圖10 檢校前后對比

        點號初始參數(shù)檢校后dl/pixelsdr/pixelsdZ/mdl/pixelsdr/pixelsdZ/m126.4225.992.2400.430.290.011221.3522.872.1690.380.310.057318.9620.532.3080.210.230.019423.8920.512.4320.270.410.039520.0222.692.6900.290.210.041621.1923.052.9610.460.370.046719.3424.862.4610.410.460.033820.0919.462.2590.230.460.041921.3624.772.4170.190.410.0251022.5221.152.5690.350.230.017max26.4325.992.9610.460.460.057min18.9619.462.1690.190.210.011rmse21.6222.682.4610.330.350.036

        3 結(jié) 論

        針對航空傾斜攝影系統(tǒng)下視相機(jī)與傾斜相機(jī)間相對關(guān)系姿態(tài)誤差,本文提出了一種基于聯(lián)合平差的檢校方法。實現(xiàn)了航空傾斜攝影系統(tǒng)多相機(jī)間相對位置關(guān)系的誤差檢校,該方法不需要在下視影像和傾斜影像間匹配同名點。對于傾斜立體像對,通過圖7和圖10檢校前后投影對比圖,可以看出C、D相機(jī)方向的立體像對所屬標(biāo)記區(qū)域的投影在相機(jī)檢校前無論左、右影像均不能投影至正確位置,經(jīng)過檢校后,C、D相機(jī)的點云可以準(zhǔn)確投影至正確位置。通過表1和表2連接點的精度分析,可以得到檢校前左右影像的投影誤差值均在20個像素以上。采用本文方法進(jìn)行檢校后,左、右影像的投影誤差均方差均小于0.5個像素,高程方向的均方誤差為0.040 m左右。通過對比實驗可以看出本文方法檢校后,傾斜影像的外方位元素相對初始外方位元素精度得到很大提高,可以滿足后續(xù)密集匹配以及紋理映射等工作的需求。

        [1]王卿,郭增長,李豪,等.多角度傾斜攝影系統(tǒng)三維量測方法研究[J].測繪工程,2014,23(3):10-14.

        [2]曲林,馮洋,支玲美,等.基于無人機(jī)傾斜攝影數(shù)據(jù)的實景三維建模研究[J].測繪與空間地理信息,2015,38(3):38-39.

        [3]劉力榮,左建章,岳貴杰.SWD-5傾斜攝影建筑物紋理自動映射方法[J]. 測繪科學(xué),2015,40(8):68-71.

        [4]SIMMONS G,KARBO N. Aerial imagery from different angles[J].Professional Surveyor,2007,27(5): 18-23.

        [5]RUPNIK E,NEX F,TOSCHI I,et al. Aerial multi-camera systems: Accuracy and block triangulation issues[J].ISPRS Journal of Photogrammetry and Remote Sensing,2015,101: 233-246.

        [6]QTAISHAT K,SMITH M,PARK D. Direct georeferencing and UltraCamD misalignment calibration [C].ASPRS conference,Portland,USA,2008.

        [7]姚娜,林宗堅,任超鋒,等.顧及同步差的POS系統(tǒng)視準(zhǔn)軸誤差檢校[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(2): 181-18.

        [8]袁修孝. POS 輔助光束法區(qū)域網(wǎng)平差[J].測繪學(xué)報,2008,37(3):343-348.

        [9]鐘良,馬洪超,管海燕,等.利用安置角檢校進(jìn)行機(jī)載LiDAR點云數(shù)據(jù)與同步影像快速配準(zhǔn)[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2011,36(9): 1035-1038.

        [10] 劉鳳英,王冬,陳天恩,等.三維相機(jī)檢校場標(biāo)志點圖像坐標(biāo)提取方法[J].測繪工程,2015,24(7):48-52.

        [11] LOWE D.Distinctive Image Features from Scale-invariant Keypoints [J].International Journal of Computer Vision,2004,60(2): 91-110.

        [12] FISCHLER M,BOLLES R. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography [J].Communications of the ACM,1981,24(6): 381-395.

        [13] 范東明.非線性最小二乘參數(shù)平差迭代算法[J].測繪學(xué)院學(xué)報,2001,18(3): 173-175.

        [14] HAN S P. A globally convergent method for nonlinear programming[J].Journal of optimization theory and applications,1977,22(3): 297-309.

        [15] HAN S P. Superlinearly convergent variable metric algorithms for general nonlinear programming problems[J].Mathematical Programming,1976,11(1): 263-282.

        [16] WU B,ZHANG Y,ZHU Q.A Triangulation-Based Hierarchical Image Matching Method for Wide-Baseline Images [J].Photogrammetric Engineering & Remote Sensing,2011,77(7): 695-708.

        [責(zé)任編輯:劉文霞]

        Calibration method for installation attitude error between multi-cameras of airborne oblique photogrammetry system

        FENG Yanfei, ZHANG Yunsheng, DU Shouji

        (School of Geosciences and Info-Physics, Central South University, Changsha 410083,China)

        Aiming at the attitude parameter error between multi-cameras of airborne oblique photogrammetry system, this paper proposes a method based on combined adjustment which uses the dense matching point cloud from nadir image for a constraint. This method is based on collinear equation, by integrating tie points, virtual observation from point cloud data derived from nadir image based on dense matching as an elevation constraint, and using the principle of least-squares adjustment with SQPM algorithm to solve the corrections of exterior orientation elements of oblique images. Then high-precision attitude parameter can be obtained.To ensure the reliability of the tie point, and the effectiveness of virtual observations, the point cloud derived from dense matching is used for constraining tie point matching and distribution optimization processing. Images from SWDC-5 oblique photography system are used for experiments. By projecting the point cloud data from nadir image and using dense matching to stereo oblique images wih the initial attitude parameter, there are about 22 pixels error in image space. After calibration based on the proposed method, the error is reduced to 0.29 pixels.

        airborne oblique photogrammetry system; calibration; combined adjustment; SQPM algorithm

        10.19349/j.cnki.issn1006-7949.2016.08.011

        2015-04-11;

        2015-08-31

        馮雁飛(1989-),男,碩士研究生.

        P231

        A

        1006-7949(2016)08-0045-08

        猜你喜歡
        檢校連接點同名
        同名
        西江月(2021年3期)2021-12-21 06:34:14
        基于A3航攝儀的小基高比影像連接點精提取技術(shù)研究
        相機(jī)畸變的混合模型迭代檢校法
        測繪通報(2019年4期)2019-05-10 08:16:20
        傳播技術(shù)變革時代檢校工作新對策
        傳媒評論(2017年2期)2017-06-01 12:10:16
        檢校之道“三悟”
        傳媒評論(2017年2期)2017-06-01 12:10:16
        基于攝站優(yōu)化的相機(jī)檢校方法
        三 人 行
        基于彈性厚粘膠層的結(jié)構(gòu)性連接點響應(yīng)建模和預(yù)測
        汽車文摘(2016年6期)2016-12-07 00:23:38
        集成成像同名像點三維形貌獲取方法
        基于相關(guān)性篩選原理的公共連接點諧波畸變量的分層量化
        電測與儀表(2015年3期)2015-04-09 11:37:22
        东京热加勒比日韩精品| 国产成人一区二区三区影院动漫 | 国产传媒精品成人自拍| 精品人妻av区乱码| 亚洲av无码之日韩精品| 国产96在线 | 免费| 中文字幕人妻一区二区二区| 在线无码中文字幕一区| 一本色道久久综合亚洲精品不卡 | 亚洲人成无码www久久久| 国产成人精品麻豆| 少妇人妻系列中文在线| 日韩精品无码熟人妻视频| 国产又滑又嫩又白| 中文字幕第一页亚洲观看| 国产精品女丝袜白丝袜美腿| 婷婷成人丁香五月综合激情| 在线亚洲人成电影网站色www| 最新在线观看精品国产福利片| 国产精品髙潮呻吟久久av| 久久亚洲欧美国产精品| 成人片黄网站色大片免费观看app| 久久久久无码精品国| 久草视频这里只有精品| 国产成人综合久久大片| 脱了老师内裤猛烈进入| 黄色视频在线免费观看| 亚洲性无码av在线| 人妖在线一区二区三区| 99国产精品久久久蜜芽| 久久亚洲国产中v天仙www| 免费人成网站在线播放| 熟女体下毛荫荫黑森林| 69久久夜色精品国产69 | 91青青草视频在线播放| 一本色道无码不卡在线观看| 日韩无套内射视频6| 亚洲大尺度动作在线观看一区| 国产日产桃色精品久久久| 人妻av鲁丝一区二区三区| 91精品全国免费观看青青|