欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

工科轉(zhuǎn)AI首選3D點云:PointNet++、PF-Net與配準實戰(zhàn)全解析

工科轉(zhuǎn)AI首選3D點云:PointNet++、PF-Net與配準實戰(zhàn)全解析 工科背景想轉(zhuǎn) AI很多人一上來就扎進圖像分類、文本模型結(jié)果卷到懷疑人生。其實有個方向一直被低估3D 點云。它在自動駕駛、機器人、工業(yè)檢測、AR/VR 里都是剛需而且真正能同時拉開“工程能力”和“算法理解力”差距的恰恰是這類非結(jié)構(gòu)化數(shù)據(jù)的處理。這篇文章不打算給你灌雞湯。我以帶科研新人的視角把 3D 點云入門最值得死磕的三塊內(nèi)容全部拆開講PointNet 怎么提取點云特征PF-Net 怎么做點云補全點云配準到底在配什么。從論文核心思想到可運行的 PyTorch 代碼再到項目實戰(zhàn)的全流程安排一篇講透。讀完你會得到三條明確的主線每個算法解決什么問題、代碼怎么落地、你在實際項目中會遇到什么坑。沒有空話全是能直接拿去用的內(nèi)容。1. 為什么工科轉(zhuǎn) AI 建議從 3D 點云切入先說結(jié)論3D 點云是工科生轉(zhuǎn) AI 的“差異化賽道”而不是捷徑。很多人轉(zhuǎn) AI 的第一反應(yīng)是學(xué) CNN、學(xué) Transformer然后去做圖像識別。問題在于圖像領(lǐng)域已經(jīng)極度成熟開源模型、預(yù)訓(xùn)練權(quán)重、自動訓(xùn)練平臺一大堆普通人的增量空間被壓得很小。你調(diào)三個月參數(shù)可能還比不上一個開源模型微調(diào)兩小時。點云不一樣。它的數(shù)據(jù)形態(tài)特殊技術(shù)棧還沒有被完全“傻瓜化”而且工業(yè)界的需求非常具體無人駕駛要檢測障礙物機器人要抓取物體工廠要做缺陷檢測測繪要做地形重建。這些都離不開點云處理。工科背景在這里反而成了優(yōu)勢。點云數(shù)據(jù)本質(zhì)上是三維空間中的坐標點集合涉及坐標系變換、剛體變換、最近鄰搜索、空間索引這些概念和機械、土木、測繪、電子專業(yè)的底層思維非常匹配。你不會覺得“空間感”是障礙反而比純計算機背景的人更容易理解配準、濾波、采樣這些操作背后為什么有效。從科研角度講3D 點云方向也更容易出成果。PointNet 之后點云模型的發(fā)展脈絡(luò)非常清晰特征提取、補全、配準、分割、檢測、生成每一塊都有大量可改進的細節(jié)。數(shù)據(jù)不需要像 NLP 那樣堆算力很多實驗單卡就能跑。對剛進實驗室的研究生來說這是一個能獨立推進的方向。我的判斷是如果你有工科背景又想轉(zhuǎn) AI不要只盯著 CV 和 NLP 的擁擠賽道。點云方向入門曲線確實更陡但一旦邁過那個坎后面能看到的機會和能發(fā)揮的空間都比想象中大。2. 三大核心任務(wù)全景認知在寫代碼之前先建立全局視角。點云方向有三大基礎(chǔ)任務(wù)它們是很多高階應(yīng)用的地基。2.1 PointNet點云特征提取的基石點云分類、分割、檢測第一步都是特征提取。PointNet 是 2017 年 Qi 等人提出的分層點云特征學(xué)習(xí)網(wǎng)絡(luò)是 PointNet 的升級版本。它解決了 PointNet 無法捕捉局部結(jié)構(gòu)的問題。PointNet 的做法是把所有點通過共享 MLP 逐點提特征然后做全局 max pooling。這種方式能處理無序性但對局部幾何結(jié)構(gòu)不敏感。你讓它區(qū)分兩個形狀相似但局部細節(jié)不同的物體它容易犯糊涂。PointNet 的核心改進是“分層采樣 局部聚合”。它在不同尺度上對點云做采樣和分組然后在每個局部區(qū)域內(nèi)部做特征提取再把局部特征逐層抽象成全局特征。打個比方PointNet 是“全班同學(xué)各自匯報然后班長總結(jié)”PointNet 是“先分小組討論再匯總到班級最后形成整體意見”。后者顯然更能抓住局部細節(jié)。2.2 PF-Net點云補全的經(jīng)典之作點云補全的任務(wù)是給你一個殘缺的點云比如掃描只掃到物體的一半你要預(yù)測出完整的形狀。PF-Net 是 2020 年公開的一項工作全稱 Point Fractal Network特點是“基于多尺度特征的點云補全”。PF-Net 和傳統(tǒng)補全思路最大的區(qū)別在于它不做“先編碼再解碼完整點云”而是聚焦于預(yù)測缺失部分的點云。它把輸入點云編碼成多尺度特征再用金字塔解碼器逐步生成缺失點。這樣補出來的結(jié)果在細節(jié)和結(jié)構(gòu)上都更接近真實形狀。在工程里這個技術(shù)非常實用。激光雷達掃描物體經(jīng)常有遮擋結(jié)構(gòu)光相機掃描反光表面容易產(chǎn)生空洞PF-Net 這類補全算法可以直接用在數(shù)據(jù)預(yù)處理階段讓后續(xù)的分割、識別更穩(wěn)定。2.3 點云配準讓多個視角對齊點云配準要解決的問題是同一個物體從不同角度掃描得到的兩片點云不在同一個坐標系下你需要求出一個變換矩陣把它們對齊到統(tǒng)一坐標系。最經(jīng)典的算法是 ICPIterative Closest Point迭代最近點。它的思路很簡單在迭代中查找兩個點云之間的最近點對計算剛體變換再不斷更新直到誤差收斂。ICP 是基礎(chǔ)但在實際項目中往往不夠用。因為 ICP 對初始位置很敏感兩片點云如果初始偏差太大很容易陷入局部最優(yōu)。所以更穩(wěn)妥的做法是先用 FPFHFast Point Feature Histogram提取局部特征再用 RANSAC隨機采樣一致性做粗配準得到一個比較好的初始位姿最后用 ICP 做精配準。這套組合在工業(yè)界非常常見。3. 環(huán)境準備與前置條件在開始跑算法之前先把環(huán)境理清楚。3D 點云開發(fā)和普通深度學(xué)習(xí)開發(fā)有區(qū)別主要是要有能夠快速操作三維數(shù)據(jù)的工具庫。我推薦的實驗環(huán)境組合如下版本號以你實際安裝時為準重點看思路Python 3.8 PyTorch 1.10 CUDA 11.3 Open3D NumPy Matplotlib安裝命令pip install torch torchvision pip install open3d numpy matplotlibOpen3D 是處理點云最常用的庫讀文件、可視化、下采樣、計算法向量、ICP 配準都內(nèi)置了。建議先把 Open3D 玩熟再去看模型代碼。硬件方面PointNet 和 PF-Net 的原始論文實驗都不是特別吃顯存8GB 顯存的 GPU 基本就能跑。如果只有 CPU也可以完成部分代碼調(diào)試只是訓(xùn)練會比較慢。實際項目里推薦準備一張 12GB 以上顯存的顯卡會舒服很多。還有一個容易被忽略的點你需要準備點云可視化能力。3D 和 2D 不一樣光看 loss 曲線很難判斷模型有沒有學(xué)好很多時候你需要在 Open3D 里把預(yù)測結(jié)果轉(zhuǎn)出來用肉眼檢查幾何形狀對不對。4. PointNet 核心原理與代碼實現(xiàn)4.1 核心模塊拆解PointNet 的完整實現(xiàn)細節(jié)很多但入門階段只需要盯住幾個關(guān)鍵模塊第一個是采樣層Sampling Layer常用最遠點采樣Farthest Point Sampling, FPS選出中心點。它的效果是讓采樣點盡可能均勻地覆蓋整個形狀。第二個是分組層Grouping Layer對每個中心點找附近的鄰居點組成一個局部區(qū)域。這里用到了球查詢或 KNN。第三個是特征提取層對每個局部區(qū)域用小型 PointNet 提取特征。第四個是特征傳播層用于分割任務(wù)把高層特征逐層插值回原始點云。4.2 一個簡化的 PointNet 點云分類模型下面給一個可以在小數(shù)據(jù)集上跑通的 PointNet 分類模型簡化實現(xiàn)。為了便于理解我去掉了一些工程性細節(jié)保留主干邏輯。文件路徑建議放在models/pointnet2_cls.py。# 文件路徑models/pointnet2_cls.py import torch import torch.nn as nn import torch.nn.functional as F def farthest_point_sample(xyz, npoint): 最遠點采樣從輸入點云中選出 npoint 個中心點 xyz: [B, N, 3] device xyz.device B, N, _ xyz.shape centroids torch.zeros(B, npoint, dtypetorch.long).to(device) distance torch.full((B, N), 1e10).to(device) farthest torch.randint(0, N, (B,), dtypetorch.long).to(device) for i in range(npoint): centroids[:, i] farthest centroid xyz[torch.arange(B), farthest, :].unsqueeze(1) # [B,1,3] dist torch.sum((xyz - centroid) ** 2, dim-1) # [B,N] distance torch.min(distance, dist) farthest torch.max(distance, dim-1)[1] return centroids def index_points(points, idx): 根據(jù)索引收集點 points: [B, N, C] idx: [B, S] 或 [B, S, K] B points.shape[0] view_shape list(idx.shape) view_shape[1:] [1] * (len(view_shape) - 1) repeat_shape list(idx.shape) repeat_shape[0] B batch_indices torch.arange(B).view(view_shape).repeat(repeat_shape) new_points points[batch_indices, idx, :] return new_points def ball_query(xyz, new_xyz, radius, K): 球查詢找每個中心點在半徑內(nèi)的鄰居點 xyz: [B,N,3], new_xyz: [B,S,3] B, N, _ xyz.shape S new_xyz.shape[1] dist torch.sum(xyz ** 2, dim-1).view(B, 1, N) \ torch.sum(new_xyz ** 2, dim-1).view(B, S, 1) - \ 2 * torch.bmm(new_xyz, xyz.transpose(1, 2)) dist torch.clamp(dist, min0.0) group_idx torch.argsort(dist, dim-1)[:, :, :K] group_first group_idx[:, :, 0].view(B, S, 1).repeat(1, 1, K) mask dist.gather(-1, group_idx) radius ** 2 group_idx[mask] group_first[mask] return group_idx class LocalFeatureExtractor(nn.Module): 小型 PointNet 提取局部區(qū)域特征 def __init__(self, in_channels, out_channels): super().__init__() self.mlp nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size1), nn.BatchNorm2d(out_channels), nn.ReLU(), nn.Conv2d(out_channels, out_channels, kernel_size1), nn.BatchNorm2d(out_channels), nn.ReLU(), ) def forward(self, x): return self.mlp(x) class PointNet2Classifier(nn.Module): 簡化版 PointNet 分類網(wǎng)絡(luò) def __init__(self, num_classes10, use_xyzTrue): super().__init__() self.use_xyz use_xyz # 第一層 SA輸入 [B,N,3]采樣 512 個中心點 self.sa1_centroids 512 self.sa1_radius 0.2 self.sa1_k 32 self.sa1_extractor LocalFeatureExtractor(3 3, 64) # 第二層 SA減少到 128 個中心點 self.sa2_centroids 128 self.sa2_radius 0.4 self.sa2_k 64 self.sa2_extractor LocalFeatureExtractor(64 3, 128) # 第三層全局特征 self.sa3_extractor LocalFeatureExtractor(128 3, 256) self.fc nn.Sequential( nn.Linear(256, 128), nn.ReLU(), nn.Dropout(0.5), nn.Linear(128, num_classes), ) def forward(self, xyz): # xyz: [B, N, 3] B, N, _ xyz.shape # SA1 centroids1 farthest_point_sample(xyz, self.sa1_centroids) center1 index_points(xyz, centroids1) idx1 ball_query(xyz, center1, self.sa1_radius, self.sa1_k) group1 index_points(xyz, idx1) # [B, S1, K, 3] center1_expand center1.unsqueeze(2).repeat(1, 1, self.sa1_k, 1) relative1 group1 - center1_expand feature1 torch.cat([center1_expand, relative1], dim-1) feature1 feature1.permute(0, 3, 1, 2).contiguous() feature1 self.sa1_extractor(feature1) # [B,64,S1,K] feature1 torch.max(feature1, dim-1)[0] # [B,64,S1] # SA2 centroids2 farthest_point_sample(center1, self.sa2_centroids) center2 index_points(center1, centroids2) idx2 ball_query(center1, center2, self.sa2_radius, self.sa2_k) group2 index_points(feature1.transpose(1, 2).contiguous(), idx2) center2_expand center2.unsqueeze(2).repeat(1, 1, self.sa2_k, 1) relative2_xyz index_points(xyz, index_points(centroids1, centroids2)).unsqueeze(2) \ - index_points(center1, index_points(centroids1, centroids2)).unsqueeze(2) # 這里為了代碼簡潔直接拼接坐標特征完整實現(xiàn)可再細化 feature2 torch.cat([center2_expand, group2], dim-1) feature2 feature2.permute(0, 3, 1, 2).contiguous() feature2 self.sa2_extractor(feature2) feature2 torch.max(feature2, dim-1)[0] # [B,128,S2] # SA3 centroids3 farthest_point_sample(center2, 1) center3 index_points(center2, centroids3) idx3 ball_query(center2, center3, 0.8, 128) group3 index_points(feature2.transpose(1, 2).contiguous(), idx3) center3_expand center3.unsqueeze(2).repeat(1, 1, 128, 1) feature3 torch.cat([center3_expand, group3], dim-1) feature3 feature3.permute(0, 3, 1, 2).contiguous() feature3 self.sa3_extractor(feature3) feature3 torch.max(feature3, dim-1)[0].squeeze(-1).squeeze(-1) # [B,256] out self.fc(feature3) return out這段代碼的邏輯可以這樣理解輸入點云先經(jīng)過第一層 SA在 512 個中心點附近劃分局部區(qū)域提取局部特征再經(jīng)過第二層 SA把范圍擴大、通道加深最后用第三層 SA 聚合全局特征送入分類器。需要說明的是這個實現(xiàn)是教學(xué)簡化版和論文原版在細節(jié)上有差異比如第二層中心點坐標的索引處理做了簡化。真正復(fù)現(xiàn)論文時建議參考倉庫中的標準實現(xiàn)但理解主干邏輯用這個版本足夠。4.3 訓(xùn)練命令訓(xùn)練時需要一個點云分類數(shù)據(jù)集最常用的是 ModelNet40。你可以從官方地址下載也可以直接用 Open3D 自帶示例數(shù)據(jù)先跑通流程再換完整數(shù)據(jù)集。# 假設(shè)訓(xùn)練腳本為 train_cls.py python train_cls.py \ --dataset modelnet40 \ --num_points 1024 \ --batch_size 32 \ --epochs 200 \ --learning_rate 0.001 \ --gpu 0訓(xùn)練過程中關(guān)注的指標主要是分類準確率。ModelNet40 上標準 PointNet 的實現(xiàn)大概能到 90% 左右的分類準確率。但既然你是入門不要盯著最終數(shù)字先確保 loss 在下降、訓(xùn)練流程是通的。5. PF-Net 點云補全原理、實現(xiàn)與驗證5.1 PF-Net 解決什么問題傳感器掃描真實物體時因為遮擋、視角、材質(zhì)反光等原因得到的點云經(jīng)常是不完整的。PF-Net 要做的就是從殘缺點云中預(yù)測出完整的幾何形狀。它的名字里有個關(guān)鍵詞Fractal分形。這個詞暗示了它的核心思想缺失部分的幾何結(jié)構(gòu)在不同尺度上有自相似性。所以 PF-Net 采用多尺度特征提取再通過金字塔結(jié)構(gòu)逐級恢復(fù)缺失點云。在工程場景中這個能力非常關(guān)鍵。比如自動駕駛中一個行人被車輛遮擋了一部分點云是不完整的如果直接把不完整的點云送給檢測網(wǎng)絡(luò)識別置信度會很差。先用 PF-Net 補全再做下游任務(wù)整個系統(tǒng)會更穩(wěn)定。5.2 編碼器結(jié)構(gòu)PF-Net 的編碼器對輸入點云做多尺度特征提取。簡化的編碼器代碼如下# 文件路徑models/pfnet_encoder.py import torch import torch.nn as nn import torch.nn.functional as F class MultiScaleEncoder(nn.Module): 多尺度點云編碼器 輸入: [B, N, 3] 其中 N2048 輸出: 多尺度特征列表 def __init__(self, input_channels3): super().__init__() # 第一尺度在原分辨率上提特征 self.conv1 nn.Sequential( nn.Conv2d(input_channels, 64, kernel_size1), nn.BatchNorm2d(64), nn.ReLU(), nn.Conv2d(64, 128, kernel_size1), nn.BatchNorm2d(128), nn.ReLU(), ) # 第二尺度先下采樣到 1024 點 self.conv2 nn.Sequential( nn.Conv2d(128, 256, kernel_size1), nn.BatchNorm2d(256), nn.ReLU(), nn.Conv2d(256, 512, kernel_size1), nn.BatchNorm2d(512), nn.ReLU(), ) def forward(self, xyz): # xyz: [B, N, 3]這里 N2048 B, N, C xyz.shape # 直接對全局點云做卷積特征提取 # 先轉(zhuǎn)成 [B, C, N, 1]用 1x1 卷積等價于逐點 MLP x xyz.permute(0, 2, 1).unsqueeze(-1) # [B,3,N,1] feat1 self.conv1(x) # [B,128,N,1] # 模擬下采樣這里用 stride 卷積或 max pool 降低點數(shù) # 實際論文使用最遠點采樣或體素下采樣這里演示用 max pool feat2 F.max_pool2d(feat1, kernel_size(2, 1), stride(2, 1)) # [B,128,N/2,1] feat2 self.conv2(feat2) # [B,512,N/2,1] return feat1, feat2這段代碼演示了多尺度特征如何獲取。第一層特征保留了完整的局部細節(jié)第二層特征在更粗的尺度上抽象全局結(jié)構(gòu)。實際 PF-Net 的實現(xiàn)會更復(fù)雜包含 CMLPConv MLP和特征拼接但核心思路就是這種“多尺度金字塔”。5.3 金字塔解碼器解碼器的任務(wù)是從多尺度特征中逐級生成缺失點。大致的邏輯是每一層生成不同分辨率的點云最終合并成完整的缺失點云輸出。# 文件路徑models/pfnet_decoder.py import torch import torch.nn as nn class PyramidDecoder(nn.Module): 金字塔解碼器逐步生成缺失點云 輸入: 多尺度特征 輸出: 三級點云 [B, 64, 3], [B, 128, 3], [B, 256, 3] def __init__(self, feature_dim512): super().__init__() # 三級生成 self.fc1 nn.Linear(feature_dim, 64 * 3) self.fc2 nn.Linear(feature_dim, 128 * 3) self.fc3 nn.Linear(feature_dim, 256 * 3) def forward(self, feature): feature: [B, feature_dim] coarse1 self.fc1(feature).view(-1, 64, 3) coarse2 self.fc2(feature).view(-1, 128, 3) fine self.fc3(feature).view(-1, 256, 3) return coarse1, coarse2, fine在這個簡化的解碼器中三級輸出分別對應(yīng) 64、128、256 個點。訓(xùn)練時會和真實缺失點云計算 Chamfer Distance 損失用這個損失來監(jiān)督每一級輸出。越深的層生成的點數(shù)越多、細節(jié)越豐富。5.4 訓(xùn)練與驗證建議PF-Net 訓(xùn)練通常使用 ShapeNet 數(shù)據(jù)集的部分類別來模擬“殘缺輸入”。訓(xùn)練時先把完整點云隨機裁剪一部分作為輸入把完整的缺失區(qū)域作為監(jiān)督信號。python train_pfnet.py \ --dataset shapenet \ --input_points 2048 \ --batch_size 16 \ --epochs 300 \ --gpu 0訓(xùn)練結(jié)束后用 Open3D 可視化對比三個結(jié)果輸入殘缺點云、模型補全后的點云、真實完整點云。這一步非常重要因為 Chamfer Distance 數(shù)值低不代表形狀正確你必須在可視化層面確認補出來的幾何結(jié)構(gòu)合理。6. 點云配準從數(shù)學(xué)原理到工程代碼6.1 ICP 的數(shù)學(xué)本質(zhì)點云配準里最經(jīng)典的 ICP數(shù)學(xué)目標其實非常簡潔。給定源點云 P 和目標點云 Q要找到一個旋轉(zhuǎn)矩陣 R 和平移向量 t使得所有對應(yīng)點對變換后的距離平方和最小。算法迭代過程對 P 中每個點在 Q 中找最近點作為對應(yīng)點。計算最優(yōu)剛體變換R, t使對應(yīng)點距離最小。用求得的變換更新 P。重復(fù)直到收斂。ICP 簡單但問題也很明顯它對初始位置敏感容易陷入局部最優(yōu)而且對噪聲和離群點不魯棒。所以在工程中ICP 往往不是第一步而是最后一步。6.2 ICP 的代碼實現(xiàn)用 Open3D 可以做一段完整且有效的點云配準實驗# 文件路徑demo_icp.py import copy import open3d as o3d import numpy as np def draw_registration_result(source, target, transformation): 可視化配準效果 source_temp copy.deepcopy(source) target_temp copy.deepcopy(target) source_temp.transform(transformation) source_temp.paint_uniform_color([1, 0.706, 0]) target_temp.paint_uniform_color([0, 0.651, 0.929]) o3d.visualization.draw_geometries([source_temp, target_temp]) def main(): # 讀取兩個視角的點云 source o3d.io.read_point_cloud(bunny_source.pcd) target o3d.io.read_point_cloud(bunny_target.pcd) # 下采樣加速 source_down source.voxel_down_sample(voxel_size0.01) target_down target.voxel_down_sample(voxel_size0.01) # 給定一個初始變換實際項目中來自粗配準 init_transform np.identity(4) init_transform[0, 3] 0.01 print(開始 ICP 配準前) draw_registration_result(source_down, target_down, init_transform) # ICP 精配準 threshold 0.02 # 對應(yīng)點對最大距離 reg_p2p o3d.pipelines.registration.registration_icp( source_down, target_down, threshold, init_transform, o3d.pipelines.registration.TransformationEstimationPointToPoint(), ) print(ICP 變換矩陣:) print(reg_p2p.transformation) print(RMSE:, reg_p2p.inlier_rmse) # 應(yīng)用變換并可視化 source_down.transform(reg_p2p.transformation) draw_registration_result(source_down, target_down, np.identity(4)) if __name__ __main__: main()這里的邏輯是先用體素下采樣降低點數(shù)加快迭代速度然后調(diào)用 Open3D 內(nèi)置的 ICP 實現(xiàn)。如果你的原始點云已經(jīng)比較干凈這個代碼基本可以直接用。6.3 從粗配準到精配準的完整流程ICP 的初始化很重要。真實場景里兩片點云的初始位姿可能相差很大直接用 ICP 很可能會失敗。工程上更推薦的思路是先粗配準、再精配準。粗配準通常用 FPFH 特征 RANSAC# 文件路徑demo_feature_matching.py import open3d as o3d import numpy as np def preprocess_point_cloud(pcd, voxel_size): 下采樣 估計法向量 計算 FPFH 特征 pcd_down pcd.voxel_down_sample(voxel_size) pcd_down.estimate_normals( o3d.geometry.KDTreeSearchParamHybrid(radiusvoxel_size * 2, max_nn30) ) pcd_fpfh o3d.pipelines.registration.compute_fpfh_feature( pcd_down, o3d.geometry.KDTreeSearchParamHybrid(radiusvoxel_size * 5, max_nn100), ) return pcd_down, pcd_fpfh def execute_global_registration(source_down, target_down, source_fpfh, target_fpfh, voxel_size): 基于 RANSAC 的全局粗配準 distance_threshold voxel_size * 1.5 result o3d.pipelines.registration.registration_ransac_based_on_feature_matching( source_down, target_down, source_fpfh, target_fpfh, mutual_filterTrue, max_correspondence_distancedistance_threshold, estimation_methodo3d.pipelines.registration.TransformationEstimationPointToPoint(), ransac_n3, checkers[ o3d.pipelines.registration.CorrespondenceCheckerBasedOnEdgeLength(0.9), o3d.pipelines.registration.CorrespondenceCheckerBasedOnDistance(distance_threshold), ], criteriao3d.pipelines.registration.RANSACConvergenceCriteria(100000, 0.999), ) return result voxel_size 0.01 source o3d.io.read_point_cloud(scene_source.pcd) target o3d.io.read_point_cloud(scene_target.pcd) source_down, source_fpfh preprocess_point_cloud(source, voxel_size) target_down, target_fpfh preprocess_point_cloud(target, voxel_size) result_ransac execute_global_registration( source_down, target_down, source_fpfh, target_fpfh, voxel_size ) print(粗配準變換矩陣:) print(result_ransac.transformation)粗配準之后把 RANSAC 得到的變換矩陣作為 ICP 的初始值再做精配準整個流程就完整了。這套“FPFH RANSAC ICP”的組合是點云配準項目里最實用、也最值得反復(fù)練習(xí)的流程。7. 從論文到項目的完整實踐路徑很多轉(zhuǎn) AI 的同學(xué)最大的困惑不是看不懂論文而是不知道論文讀完之后該干什么。這里給你一套可以復(fù)制的實踐路徑。7.1 第一階段復(fù)現(xiàn)兩周到三周不要上來就改模型。先跑通別人的開源實現(xiàn)記錄下每個模塊的輸入輸出。比如 PointNet 里最遠點采樣到底做了什么、球查詢的半徑對結(jié)果有什么影響這些都要親手實驗。復(fù)現(xiàn)階段建議寫一個筆記記錄每個超參數(shù)對 loss 和準確率的影響。這些一手經(jīng)驗比論文里的圖表值錢得多因為論文只給你最優(yōu)結(jié)果不會告訴你失敗的過程。7.2 第二階段做消融實驗兩周消融實驗是科研入門的基本功。選一個模塊把它“去掉”或者“替換”看看效果變化。比如 PointNet 中如果不做最遠點采樣換成隨機采樣準確率會掉多少PF-Net 中如果去掉多尺度特征只保留最后一層瓶頸特征補全效果會不會變差這些實驗不需要很復(fù)雜但能讓你真正理解每個模塊的作用這也是論文里“貢獻點”的實際來源。7.3 第三階段找改進點一個月以上消融實驗做完你自然會發(fā)現(xiàn)問題比如某個模塊在你的數(shù)據(jù)集上效果不好或者某個模塊計算開銷太大。這時候再去讀最新論文看別人是怎么解決的然后提出自己的改進方案。一個完整的科研工作流大致是這樣的發(fā)現(xiàn)問題設(shè)計實驗驗證方案對比基線寫成論文。項目實戰(zhàn)則在這個基礎(chǔ)上增加工程化要求數(shù)據(jù)預(yù)處理、模型部署、性能優(yōu)化、接口封裝。7.4 項目實戰(zhàn)建議做一個完整的點云項目建議按這個順序推進確定場景比如“三維物體殘缺補全與識別系統(tǒng)”。準備數(shù)據(jù)用公開數(shù)據(jù)集訓(xùn)練同時自己采集一部分真實數(shù)據(jù)做測試。搭建基線先用現(xiàn)成模型跑通確保數(shù)據(jù)鏈路沒有問題。調(diào)優(yōu)和改造根據(jù)真實數(shù)據(jù)的特點調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)或訓(xùn)練策略。部署驗證把模型導(dǎo)出成可調(diào)用接口用真實傳感器數(shù)據(jù)測試。在這個過程中你會實實在在地遇到數(shù)據(jù)分布不一致、模型泛化能力差、推理速度不夠快這些問題。這些經(jīng)驗是面試和科研里真正拉開差距的東西。8. 常見問題與排查方法問題現(xiàn)象可能原因排查方式解決方案訓(xùn)練 loss 不下降學(xué)習(xí)率過大或過小打印 loss 曲線嘗試 0.1/0.01/0.001使用 cosine 學(xué)習(xí)率衰減或先跑 20 輪觀察趨勢點云分類準確率低數(shù)據(jù)增強不足或采樣點數(shù)不合適檢查訓(xùn)練集和測試集分布可視化輸入增加隨機旋轉(zhuǎn)、抖動、下采樣增強補全結(jié)果形狀破碎缺失點云監(jiān)督信號過弱可視化驗證結(jié)果計算逐類別 Chamfer 距離增加損失權(quán)重或使用更多輸入點參與訓(xùn)練ICP 配準失敗初始位姿偏差過大打印每次迭代的 fitness 和 RMSE先做 FPFHRANSAC 粗配準再精配準顯存溢出批次大小或點數(shù)過多觀察顯存占用曲線減小 batch size或?qū)c云做下采樣Open3D 可視化卡頓點云點數(shù)過多確認點云規(guī)模先體素下采樣再可視化9. 最佳實踐與工程建議9.1 數(shù)據(jù)層面的建議點云模型對數(shù)據(jù)預(yù)處理非常敏感。不要拿到原始點云直接訓(xùn)練先去做離群點移除、下采樣、法向量估計和歸一化。數(shù)據(jù)沒處理好后面模型再強也沒用。另外點云數(shù)據(jù)增強和圖像不同不要只用平移縮放。更有效的是隨機旋轉(zhuǎn)、隨機裁剪、隨機抖動坐標。如果是真實傳感器數(shù)據(jù)還要考慮模擬遮擋這樣模型在真實場景才能更魯棒。9.2 訓(xùn)練層面的建議訓(xùn)練時建議固定隨機種子保證結(jié)果可復(fù)現(xiàn)。每次實驗記錄的內(nèi)容至少包括數(shù)據(jù)集版本、預(yù)處理參數(shù)、模型結(jié)構(gòu)、超參數(shù)、loss 曲線、最終指標。在訓(xùn)練策略上推薦使用 cosine 學(xué)習(xí)率調(diào)度配合 AdamW 優(yōu)化器。訓(xùn)練過程中保存驗證集上最優(yōu)的模型權(quán)重不要等所有 epoch 跑完再看結(jié)果。多卡訓(xùn)練不是入門階段該優(yōu)先考慮的事。先把單卡流程跑通再考慮分布式訓(xùn)練否則你會被分布式通信的坑拖住精力。9.3 科研變現(xiàn)的建議在科研階段不要太快進入“改模型”的環(huán)節(jié)。先用三到五周時間把基線模型跑得非常熟做到閉著眼能畫出模型結(jié)構(gòu)圖、說出每個模塊的輸入輸出維度。這樣當(dāng)你讀新論文時一眼就能看出對方的核心改動在哪里。寫論文或做項目匯報時圖表質(zhì)量非常關(guān)鍵。點云方向尤其適合用可視化圖展示效果建議學(xué)會把點云渲染出高質(zhì)量的對比圖這一項能力很多實驗室新人都不具備但極其加分。10. 總結(jié)與下一步行動路線點云入門真正重要的是建立“算法理解 工程落地”的雙循環(huán)。PointNet 讓你理解怎么從無序點云里學(xué)到結(jié)構(gòu)化特征PF-Net 讓你理解怎么從不完整數(shù)據(jù)中推理完整形狀配準讓你理解怎么統(tǒng)一坐標系、融合多視角信息。這三塊合在一起已經(jīng)是很多工業(yè)級應(yīng)用的完整閉環(huán)。下一步建議先跑通 PointNet 分類流程找一個小點云數(shù)據(jù)集做實驗然后嘗試把模型換成分割任務(wù)改輸出頭再去復(fù)現(xiàn) PF-Net 的補全流程最后用 Open3D 實現(xiàn)一次完整的粗配準和精配準。這條路徑不需要一上來就啃硬核數(shù)學(xué)每一步都有可視化反饋你很容易獲得正反饋。如果你正在準備轉(zhuǎn) AI 方向或者想用點云技術(shù)做項目現(xiàn)在就可以開始動手了。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色婷婷基地在线| 777色色色| 99热人人艹| 日韩视频99| 中文字幕激情综合| 超碰成人公开| www色五月| 日日爽天天| 99riAv1国产在线观看| 99综合网| 五月激情视频| 天天操天天日天天操| 色婷婷88| 91精品视频男人的天堂| 国产在线网| 久久久无码精品成人A片小说| 色婷婷狠狠| 丁香五月影| 香蕉人在线香蕉人在线 | 亚洲中文无码成人| 久久99热这里只有精品首| 婷婷丁香色五月天| 天天日夜夜爽| 丁香五月婷婷啪啪| 草一草avb| 天天五月情| 色色婷婷五月天| 六六久久黄色| 亚洲精品国产A久久久久久| 天天人人人人人人人人人人人| 午夜大香蕉| 97干在线免费| 丁香五月婷婷香| 天天玩夜夜操| 婷婷丁香五月亚洲| www.超碰| 99热这里只有精品4| 激情综合五| 亚洲爱爱无码婷婷色五月| 久9免费视频| 欧州婷婷五月天综合| 色色色99| 婷婷大香蕉| 性热视频99精品| 色婷婷五月亚洲| 五月丁香六月成人| 婷婷五月综合色拍| 日韩欧美一道四区中文字幕| 99色| 久久天堂| 五月婷婷六月天| 久久婷婷的综合色丁香五月| 日本色色网站| 五月激情综合网| 超碰9在| 九色综合网| 性做爰1一7伦| 99久久户外勾搭| 六月丁香五月天| 亚洲午夜电影| 天天狠狠夜夜狠狠2023| 无码AV免费精品一区二区三区 | 色女人久久| 国产亚洲99久久精品熟女| 91免费啪视频| 日日操夜夜操无码免费| 亞洲自怕| 99少妇精品| 色九九九综合| 免费播放片大片| 91oumei| 色婷婷久久视屏| 丁香五月天社区婷婷| 婷婷五月综合丁香久久| 久热AA| 色色影院黄大片| 婷婷丁香综合| 操碰91| 涩综合在线| 婷婷五月综合色中文字幕| 色九区| 狠狠干五月天婷婷网| 亚洲另类在线观看| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 婷婷丁香五月激情中文字幕版| 思思99热这里只有精品| 色婷婷影音| 99热精品9| 99视频一区| 夜夜骑天天玩天天日| 久久久五月激| 五月丁香六月婷婷国产视频| 饮料下药迷倒漂亮女同事强干| 天天影院色| 激情av网| 免费观看亚洲AV片| 噜噜噜噜在线| 日本色天堂| 成人精品在线| 懂色av粉嫩AV蜜臀AV| 97人人妻人人艹| 成人丁香五月婷| 99超级碰碰| 婷婷五月色| 激情综合自拍五月婷婷色五月| 日韩一66精品| 婷婷成人五月天成人文学| 91丁香五月| 五月丁香六月激情欧美综合| 久婷婷视平| 2022人人操人人看| 另类图片 五月激情| 亚洲色婷婷视频| www.色婷婷| 99热在线观看免费精品| 久久五月天激情婷婷| 丁香六月狠狠干| 亚洲五月天综合色| 五月丁香成年黄色| 婷婷五月花.97| 久久丁香社| 五月丁香美女视频| 99.N在线视频| 激情六月一二| www色婷婷| 婷婷色色宗合网| 超碰九色| 天天五月情| 996热re视频精品视频| 97久久视频| Caoub青青超碰 | 亚洲第一av| 99视频在线观看视频| 婷婷导航| 狠狠干无码| 婷婷五月天伊人网| 五月丁香黄色| 激情五月视频在线婷婷| 国产伦亲子伦亲子视频观看| 高清不卡一区| 99亚洲视频| 丁香婷婷色五月| 亚洲操B视频| 国产永久一二一起草| 婷婷丁香五月亚洲17cao| 日本婷婷| 成人午夜无码视频| 日本不卡中文字幕| 97碰碰视频| 久久这里99| 26uuu在线观看| 丁香五月婷婷www..com| 午夜婷婷六月天| 操一区| 久久丁香五月| 激情网色五月| 操操操AV| 色婷婷亚洲综合av| 久久欧洲综合网| 激情综合亚洲| 天天爽天天爽天天爽天天爽天天爽天天爽天天| 五月婷在线观看| 亚洲啪啪精品| 性色99| 亚洲久热| 伊人大香五月天| 99a级片| 日韩三级视频一区二区| 五月丁香六月婷婷亚洲激情综合| 五月婷婷丁香六月| 情婷婷五月天在线| 99国产精品白浆在线观看免费 | 69婷婷丁香午夜| 99精品久久| 久久久五月婷婷| 狠狠草在线观看| 日本wwww在线| 欧美丁香五月| 九九热黄色| 人妻aV在线| 97人妻碰碰碰久久久久-最近国语高清| 噜噜噜精品欧美成人在线观看| www.99热| 91视屏在线观看com.wwwvv| 99视频| 婷婷亚洲天堂| www久久久| 欧洲S级在线观看| 亚洲天堂色色| 欧美色99| 五月综合久久| 婷婷五月天色网久| 综合久久8| 婷婷五月天啪啪| 超碰人人插| 九九碰九九爱97超碰| 久久婷婷五月天大香蕉| 五月丁香激情深爱婷婷| 五月婷天堂视频| 99国产小视频| 99日精品视频| 六月婷婷五月丁香| 玖操97| www久久久久久久久久久| 激情的五月| 色五月情| 婷婷五月情| 欧美成人日韩| 九色婷婷| 高清激情av在线观看| 蜜桃人妻无码AV天堂三区| WWW丁香五月| 国产午夜成人AV在线播放| 日日操夜夜爽天天天| 99精品视频在线观看| 色999亚洲人成色| 久久亚洲网| 九九色婷| 99热最新| 99热99re6国产在线播放| 91综合视频在线| 久久伦乱| 思思久久96热在精品国产,| 91.www综合| 看久久性爱视频| 91艹人| 91九色网| 婷婷情色激情| 五月天激情综合在线| 性一交一乱一交A片久| 99r这里| 美欧成人视频| 丰满老熟妇BBBBB搡BBB | 激情五月黄色| 九热免费视频| 婷婷六月激情啪啪| 影音先锋毛片网站| www.第四色99| 婷婷丁香六月天| 这里只有免费的精品| 99在线视频喷水| 99久久久久| 激情五月婷婷综合网| 成人丁香五月婷| 99热精品中文字幕| 永久精品| 色婷婷五月天激情综合| 九九热av| 日韩 mm 不卡| 蜜乳久AV| 97干在线视频| 久久久久亚洲AV成人无码电影| 激情五月网站| 色色婷婷五月| 亚洲成人超碰| 在线超碰精品| 99re欧美精品| a网站免费观看| www.天天干| 丁香婷五月天| 亚洲婷婷五月天在线激情综合网| 色色综合院| 九九色综合| 色综合五月| 五月天色综合服务平台| 天天日天天做天天舔| 中文字幕丰满乱孑伦无码专区| 色色色在线观看| 久久99这里只有精品视频| 五月丁香啪啪综合| 久久九精品| 字幕网AV中文字幕| 中字幕视频在线永久在线观看免费| 久久超级碰碰| 天天操天天插| 久久小视频| 色欲资源网| 六月99天天婷婷激情综合| 久久婷婷激情四射五月天| 97高清国语自产拍| 成人在线99| 强伦轩人妻一区二区电影| 五月婷婷色吧!| 99久久精| av大香蕉| 婷婷五月四狠狠| 大香蕉久热| 色 五月 天 婷婷 丁香 九月| 五月激情四射网站| 国产av天天插天天操天天爽| http:色情日本com| 青草青草视频2免费观看| 色欲婷婷五月天| 丁香五月最新地址| 丁香六月婷婷开心| 99热这里只有精品1| 丁香婷婷色色| 亚洲中文字幕AV| 亚洲综合视频八| 成人超碰网| 成人综合网站| 亚洲愉拍99热成人精品| 欧美私人家庭影院| 五月婷婷六月丁香| 怎么样可以看免费的一级av| 大香蕉福利导航| 97在线观视频免费观看 | 天天综合91入口| 人妻Av在线| 九月丁香网婷婷| 久久中文网| 草草女人亚洲| 婷婷在线中文字幕| 性爱五月婷| 色色色色色日韩午夜激情| 玖玖综合色区在线观看| 大香蕉伊在| 日韩精品电影| 91操网| 天天摸天天肏| 国产伊人五月天| 91免费在线视频6| 五月丁香六月欧美综合| 色五开心五月五月深深爱| 国语精品探花| 婷婷综合亚洲| 天天综合精品| 在线成人国产| 人人操操| 久久久婷婷| 开心婷婷五| 激情丁香淫荡婷婷| 亚洲99热| 婷婷六月丁香五月| 五月婷婷啪| 俺去也综合| 日韩久久视频| 欧美性生交XXXXX无码小说| 久久中文网| 九热av| 五月综合丁| 九九亚洲综合| 开心日韩丁香婷婷五月| 五月久久婷婷成人网| 翔田千里 50岁 无码| 久久五月婷| 男女啪啪做爰高潮无遮挡| 五月天激情小说| 91精品久久久久久77777| 成人午夜天| 99热香港| 丁香五月婷婷激情尤物| 激情99。| 丁香五月成人| 激情五月婷婷| 亚洲综合视频网| 思思视频这里是精品| 日日狠狠久久偷偷四色综合免费 | 五月丁香操婷逼| 色综合五月| www.99色在线| 午夜丁香婷婷| 亚洲av骚货| 99热伊人| 五月婷婷综合成人| 这里只有精彩小视频视频网站| 九九99视频精品| 色五月丁香激情| 99热在线只有精品| 久久婷五月天| www.jiujiujiu| 色婷婷成人做爰A片免费看网站| CAOBIBI| 如何安全看伊人婷婷| 五月丁香啪啪综合网| 五月婷婷,狠狠操| 91欧美| 婷婷五月天情色| 色五月在线| 色私五月婷婷| 婷色综合| 丁香婷婷五月综合影院| 9+1视频网址| 欧美日韩成人高清在线| 五月丁香六月香综合激情| 婷婷综合激情| 天堂网色婷婷| 天天摸天天日天天舔| 天天干天天干天天| 色五月综合网| 久热99热| 9色免费网| 亚洲mm色| 激情六月婷婷| 色色操| 久久人妻高清中文| 亚洲经典三级| 全网最新网黄大秀直播高清,主播国产录屏在线 | 九九精品免费| 九九精品热播| 五月天久久91| 91热视频| 天天成人综合视频| 人人摸人人干| 蜜桃婷婷五月| 亚洲国产精品成人免费一区久久久在线观看AAAA | 五月丁香婷庭在线| 久久小视频| 99精品网址| 丁香五月丁香伊人| 色色欧美。| 影音先锋xfplay资源男人网| 思思久久精品| 色婷婷视频| 五月天丁香婷| 色碰碰| 天天综合中文| 9 9热这里有精品| 天天干肏夜夜| www,99热在线观看| 毛片色五月| 色啪久| 九九免费在线视频| 色婷婷六月| 婷婷久久国产视频| 在线观看国产高清视频免费网站 | 天天日天天久久青青| 欧美日韓成人亚洲精品另类| 99re这里只有| 国产99精品免费视频| 99精品在线播放| 五月伊人综合| 久久er99热精品一区二区| 电影蜘蛛女| 国产精品99久久久久久久女警| 丁香婷婷精品视频| 欧美三级巜人妻互换| 97五月天| 亚洲日韩26uuu| 中国女人做爰A片| 婷婷五月丁香高清无码| 亚洲中文字幕AV在线| 99精品在| 九九Y精品热播| 激情综合色婷婷六月天| 婷婷欧美激情| 亚洲精品影视| 五月天五月色婷婷综合| 欧美性猛交XXXX乱大交极品| 九九草热在线观看| 婷婷激情四射五月天| 婷婷五月色激情欧美激情| 日本久久99久久| 丁香六月激情| 久久久er热| 91夫妻视频| 日日操,夜夜撸| 久久99免费视频网站| 思思热在线| 中文字幕在线资源| www,999日本色| 婷婷婷婷婷开心无码播放| 伊人久久大香线蕉AV最新午夜| 毛片新网地| 成人短视频在线观看| 操91| 人人射人人高潮| 婷婷丁香五月天影院| 深爱五月激情| 婷婷五月花西瓜| 人人操人人干AV| 狠狠综合网| 六月丁香激情综合| 久久9视频| 六月丁香啪| 99久99久| 九九综合久久| 天堂婷婷丁香六月网| 色五月大香蕉婷婷| 亚洲午夜AV| 亚洲色vA| 91一起操| 欧美日本97| 在线综合网| 色情五月停停丁香| 色色色视频免费无码 | 婷婷狠狠爱| 香蕉婷婷| 不卡影院午夜理论片| 蒲京久久无码视频| 狠狠爱婷婷爱| 日日操天天爽| 丁香色五月婷婷17C| 久久99人人| 五月婷婷丁香| 色五月激情婷婷| 婷婷第六色| 五月天大香蕉AV| 久色资源| 五月激情小说| 日日夜夜爽| 久久五月视频| 99riAV国产精品视频| 色欧美一级| 超碰成人免费| 日本丁香五月| 久久网思思| 99性视频| 色9月| 爱超碰性| www.99热| 深爱开心激情| 婷婷午夜激情| 97黑人精品区| 日韩成人无码| 激情小说视频图片| 99久在线观看| www.色婷婷.com| 狠狠狠激情网| 久热这里只有精品在线观看 | 九九热精品| 六月亭亭久久综合激情| 欧韩性爱| 婷婷综合网| 97超级碰碰碰| 百度4399有码精品V在线观看| 五月婷婷啪啪啪啪| 欧美激情性做爰免费视频| 91精品综合久久婷婷九色| 久热视频这里只有精品| 亚洲无码成人性爰网| 在线网黄| 婷婷五月丁香人妻无码高清| 91狼友视频网页更新| 中国女人内射6XXXXX| 激情深爱五月天| 婷婷五月色情天| 色婷狠狠| 六月丁香五月婷婷| 99在线精品视频| 五月色色激情网| 色五月婷激情| 五月天精品综合| 色情免费视频播放| 五月中旬婷婷丁香六| 狠狠狠狠狠狠草| 久久久久久草黄色片AV在线观看| 色VA| 婷婷AV丁香| 五月天婷婷激情网| 丁香五月天激情婷婷丁香六月| 97久久久| 久99热| 婷婷丁香18| 亚洲中文乱字字幕在线永久| 第五色婷婷| 国产激情av| 26UUU欧美激情一区二区| 超碰成人av| 九九热精品99| 欧美日韩成人免费在线| www久久99| 亚洲九九夜夜| 五月综合视频| 九九色网专区| 久久精品五月| 久久多色| WWW、日本色丁香co m| 亚洲激情淫网| 99在线观看视频精品| 天天草狠狠擦| 色情丁香五月天| 激情丁香网| 婷婷色爱| 天天搡日日搡aaaaⅩ| 深爱激情五月婷婷| 久久精品国产AV一区二区三区 | 日本精品99网站| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 天天视频亚洲| 思思热在线观看| 日韩在线视频中文字幕| 99久久99九九99九九九| 天天色综网| 丁香啪啪中文字幕| 91人操人人人操人| 我爱大香蕉| 色婷婷狠狠爱| 色婷婷丁香AV综合| 色婷婷综合电影| 亚洲美女高潮久久久久久69| 婷婷五月天六月综合| 蜜乳中文字| 五月激情啪啪啪| 丁香五月激情五月| CAOBIBI| 丁香久久久| 婷婷五月天AV网| 丁香婷五月| 97操碰在线视频| www超碰| 97婷婷丁香五月综合| 99热这里只有精品1025| 五月丁香网中文字幕| 久久九九色| 丁香五月婷婷基地| 黄色一级影片| 99在线国| 久久综合人妻| 婷婷丁香五月基地| 狠狠 婷婷| 亚洲99精品欧美一区| 99精品在线观看| 人人操9| 无码激情| 99久久6| 色色色色综合网| 1769在线观看欧美国产| 五月色婷婷亚洲 | 婷婷色五月天在线观看| 91美女啪啪| 狠狠色婷婷7| 五月激情影视| 人人草人人舔| 人妻激情在线| 99热这里精品| BBWCUCKOLD精品熟妇| 桃色激情五月天| 99九九这里有免费视频| 99色婷婷| 婷婷狠狠97| 成人免费黄色短视频| 亚洲色碰| 狠狠综合网| 色播五月丁香| 国产成人高清| 天天日天天爽夜夜爽| 熟女人妻一区二区三区免费看| 影音先锋男士资源网一区| 青草青草久热这里只有精品| 激情五月小说婷婷| 日本一级黄色电影| 色婷婷成人| 亚洲人人操| 九九久久9 9在线观看| 操人久久| 国产在线黄色| 超碰免费观看| 欧美色小说婷婷| 9999三级片| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 国产乱子轮XXX农村| 99日本黄站| 激情五月天婷婷五月天| 亚洲视频在线网| 我爱va亚洲va52| 欧美激情综合| 色香蕉影院| 久久综合五月天| 中文字幕人妻熟女在线| 殴美日比视频| 综合色色婷婷| 色啪综合| 丁香六月婷婷久久综合| 欧美日韩成人免费在线| 色综合丁香婷婷| 玖玖婷婷婷丁香五月| 在线观看中文字幕| 欧美日韩五月婷婷| 伊人婷婷五月天| 九伊人网| 手机旧版看人妻1025| 男同色五月开心五月激情五月| 深爱丁香激情| h在线看免费版在线看| 五月丁香婷中文字幕| 国产性色蜜乳| 爱久久小说下载网| 精品人妻久久久久久久| 九月停停| 五月婷婷色情| 久久99网| 五月丁香综合激情| 丁香五月最新地址| 日韩啪啪视频| 2017狠狠干| 色婷丁香| 亚洲网站在线鸭子av| 丁香婷婷色色| 色色色在线观看| 伊人久久大香蕉网| 九九aV| 99久久婷婷国产综合| 九九色中文| 天天干天天做| 五月丁香六月婷婷网站| 久久婷婷五月综合色丁香| 五月花婷婷| 99热播放| 四LLL少妇BBBB槡BBBB| 五月婷丁香亚洲| 大香人妻| 综合AV在线| 五月丁香婷婷无码中文| 99免费超碰在线| 婷婷激情五月天在线| 日韩精品电影| 亚洲五月婷婷| 精品五月视频婷婷在线观看| 精品人妻午夜一区二区三区四区 | 久色网址| 欧美日本日韩| 99.色| 超碰国产在线观看| 99精品综合视频| 丁香五月婷婷六月婷| AⅤ网站在线看| 99久久成人| 人操91在线| 淑女丝袜bi操逼123| 日本99婷婷| 日本高清久| 婷婷五月天成人在线视频| 婷婷激情五月| 国产综合网在线| 色综合久久88| 亚洲天堂久久| 五月天成人在线播放丁香| 色9月| 婷婷亚洲日本| 影音先锋91视频| 五月丁香婷婷婷激情爱爱| 久久色五月天| 欧美一级a | 影音先锋一区| 五月丁香六月婷婷综合伊人| 在线观看996精品| 欧美私人家庭影院| 色婷婷成人网| 99久久国产宗和精品1上映| 97亚洲精品| 色色色成人网| 99热官网精品在线| 色色色色色色色综合| 欧美精品A片一区在线观看| 国产精产国品一二三在观看| 丁香五月婷婷六月丁香| 久久五月天激情视频| 淫视馆AV在线| 婷婷色影音天| 五月天激情久久| 色情五月天婷婷| 九玖视频这里只有精品| 91chinese 在线| 日韩综合成人| 色啪网| 爆乳熟妇一区二区三区爆乳照片| 99久久九九| www.色综合| 欧美三级大片AA在线看| 婷婷丁香18| 99视频在线| 亚洲色综久久五月| 五月婷婷六月丁香综合视频在线| 色婷婷成人网| 婷婷综合九月| 久久日婷婷| 年轻的妺妺伦理HD中文| 久久五月天婷婷| 久久电影4399| 日日夜夜狠狠| 热久视频| 五月婷婷激情四月| 日批在线看| 都市激情蜜桃婷婷五月天| 久久99网址| 狠狠综合区| 超级碰碰一区| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 丁香五月在线看| 久久婷婷五月天| 26UUU欧美激情一区二区| 视频在线免费观看欧洲乱码| 激情精品久久| 97操碰人免费| 丁香五月婷婷图片综合| 少妇搡BBBB搡BBB搡毛茸茸| 狠狠色综合网| 激情久久综合| 级情九色| 色婷婷99| 免费精品99| 婷婷激情综合| 久久婷婷亚洲| 综合色播| 五月丁香激情综合网| 天天综合天综合| 26uuuuuuuu国产| 青青福利网| 婷婷五月 丁香六月| WWW、日本色丁香co m| 日日天天天| 99热精品在线播放观看| 婷婷丁香五月天综合AV| 激情色播| 丁香五月综合久久八| 伊人五月天日日夜夜久久久天天| 免费AV黄在线播放| 夜夜做天天爽| 思思久热6| 激情VA视频| 热99这就是精品视频| 色五月 五月婷婷| 五月婷婷久久大香蕉| 久久久www| 开心五月天激情网| 色一情一乱一伦一区二区三区| 亚洲V国产V欧美V久久久久久| 国产在线aaa片一区二区99| 国外亚洲成AV人片在线观看| 人人妖人人97| 六月丁香开心婷婷欧美| 色综合久久久综合久久网| 99久久婷婷国产综合亚洲| 婷婷丁香先锋资源网站| 丁香六月av| 色婷婷9| 日本色频| 亚洲激情丁香五月基地| 五月丁香花开综合网| 99热这里只有精品4| 色色色色网站| 婷婷综合五月天| 26uuu欧美日本| 婷婷大香蕉| 九九色网专区| 欧美成人日韩| 婷婷色激情网| www.六月丁香看AV| 五月丁香六月婷婷激情视频在线观看免费| 99久在线视频| 欧美成人AAA片一区国产精品| 亚洲欧美综合7777色亭亭| 丁香五月婷婷亚洲另类| 午夜婷婷丁香| 久久久久久综合五月婷婷| 第四色五月天| 99久久99九九99九九九| 色婷婷丁香AV综合| 久久99婷婷| 欧美va| 五月婷婷五月色| 午夜色婷婷| 婷婷六月久久| 99re这里只有精品99| 99视频精品视频| 天天操天天曰| 色色色欧美| 91碰操| 91婷婷丁香五月天免费视频网站| 夜夜www| 亚洲免费婷婷| 久久综合五月天| 亚洲成人精品三区| 婷婷99狠狠躁天天躁| 久久思思热视频| 五月婷婷久久综合| 丁香五月激情图片婷婷| 日本美女上人| 甈你aaaaa| 欧美性爱五月天| 精品热青草| 伊人婷婷五月天| www.成人婷婷综合| 色婷婷影视| 亚洲无码成人网| RenRenSe在线视频网站| 97视频久久| 日本韩国视频在线观看社区免费的9| 99热这里都是精品| 综合激情深爱| 五月婷婷激情综合| 99热黄| 激情色中文| 丁香五月婷婷偷拍| 色六月 婷婷| 五月激情丁香五月| 夜夜骑夜夜操| 五月停停大香蕉| 久久五月丁香婷婷| 国产.亚洲.欧洲视频在线| 色情终和网| 天天日天天做天天舔| 99热免费观看| 亚洲av| 99久久国产成人精品| 亚洲在线综合| 丁香五月综合久久| 婷婷五月丁综合| 国产美女无遮挡裸体毛片A片| 九九九九国产| 亚洲激情网| 丁香五月婷婷国产在线| 丁香五月天婷婷久久| 天天狠天天叉| 99ri国产在线| 天天色99| 五月叮香啪| 亚洲另类噜噜| 丁香六月啪| 国产成人AV在线| 成人短视频在线免费观看| 九九99视频精品| 天色综合网站| 五月丁香五月婷婷| 婷婷久久五月| 亚洲午夜av| 久草视频一,二三四| 天天做天天爱| 成人人操| 79色色色色| 成人国产网| 激情五月丁香激情综合网 | 九九美女视频| 激情五月婷婷丁香综合网| 六月天丁婷婷| 伊人狼人干| 丁香五月激情天AV无码| 99色网站| 丁香亭亭久久| 久久久婷婷| 亚洲一色色色色色色色色| 久久这里只精品| 五月丁香影院| 五月婷婷av| 九九热色视频| 久久精彩视频| 五月丁香五月丁香| 欧美搡BBBBB摔BBBBB| 五月激激网w'w'w| 少妇伦子伦精品无吗| 精品无码人妻一区| 色青青电影色五月| 亚艹艹| 婷婷综合另类| 99色色网| 激情婷婷五月少妇| 亚洲视频五区| 色很很96| 国产全是老熟女太爽了| 九九热这里只有国产精品| 大香蕉婷婷婷| 激情小说婷婷| 99精品国产热久久91色欲| 激情五月天 婷婷| 激情色中文| 婷婷成人基地| 深爱五月最新网址| 五月丁香久久丝袜啪啪| 丁香婷婷五月天激情四射| 色五月激情综合网| JAPANRCEP老熟妇乱子伦视频| 婷婷中文字幕版| 久久亭亭电影| 亚洲天堂爱爱| 思思99热在线| 波多婷婷久久| 99久久精品国产色欲| 色色婷婷五月| AA片在线观看视频在线播放| 五月丁香六月婷婷综合网缴情| 超碰在线播放免费观看| 激情婷婷五月| 99热在线免费观看精品| 国产在线网址1| 国产亚洲色婷婷久久99精品91| 中文AV在线播放| 欧美 日韩 人妻 高清 中文| 欧美日韩AAA| 五月丁香成人| 思思热视频在线| 五月婷婷亚洲综合网| Av在线不卡一区| 综合久| 久香草视频在线观看| 一二区成人电影| 久久精彩免费视频| 99热国产在线| 色五月成人| 亚洲字幕AV一区二区三区四区 | 8区视频在线| 狠色狠色狠色狠色狠色网| 日日操夜夜操不卡| 日本熟妇精品99| 狠狠久久婷五月综合色| 99re6久热只有精品6在线直播| 婷婷丁香五月天婷婷| 五月婷婷婷色| 五月婷婷av| 五月婷色激情五月| 久久五月丁香婷婷| 大香蕉在线观看9| 亚洲精品亚洲人成人网| 五月六月丁香激情| 26uuu欧美日韩| 青青色com久久| 婷婷五月天激情网| 激情深爱五月天| 丁香五月大片| 9一精品视频观看| 97精品综合久久| 婷婷五月天美女视频| 91碰碰碰| 91日综合欧美| 狠狠干婷婷| 天天摸天天舔| 久久精品小视频| 中美日韩成人在线| 婷婷五月另类网站| 99色综合| 91久久| 激情欧美五月丁香| 婷婷五月天 偷拍| 一起肏在线视频| 性爱激情综合网| 狠狠色噜噜狠狠狠888| 99re6久热只有精品6在线直播| 丁香色六月婷婷| 91精品婷婷国产综合 | 久草五月婷婷| 激情综合激情五月一起草| 亚洲精品操一操、噜一噜、摸一摸、爽 | 一本久久亚洲五月婷婷| 97在线/亚洲| 六六久久黄色| 超碰人人操人人干| 天天摸天天舔| 丁香美女主播视频在线观看| 熟女乱论网| 淫视馆aV二区一区| 性色综合网| 久9热视频在线| 天天天天操| 婷婷色导航| 超碰成人av| 伊人五月天在线| 亚洲狠狠操| 久久婷婷五月天激情新地址| 99热综合色图| Aα在线免费观看| 久久精品99国产精品日本| 色情婷婷五月天| www.99热视频| 激情五月天天狠狠久久| 婷婷五月天黄色小说| 国产色五月婷婷| 狠狠搞综合色| 五丁香激情综合| 天天日综合网射| 婷婷久久亚洲| 人人操 色| 亚洲99在线| 91猫咪国产在线播放| 超碰免费人人肏| 东京热五月婷婷| 成人婷婷色综合| 久久艹 五月天| 亚洲精品V天堂中文字幕| 国产又黄又爽又色的免费| 丁香五月天堂网| 婷婷伊人| 超碰成人在线观看| 天堂中文国产| 五月丁香精品| 亚洲激情av| 91狠狠色丁香婷婷综合久久| 九九综合久久| 高清无码入口| 久热久| 亚洲国产精品二二三三区| 精品夜夜澡人妻无码AV| 精品无码久久久久久久久| 人妻内射一区二区在线视频| 久久色情| 婷婷丁香五月天综合在线日韩| 5月丁香美女影院| 丁香婷婷六月| 日韩中出视频| 欧美日韩精品一区二区三区钱| 99色在线视频观看| 久久色9| 97碰在线| 蜜臀av无码久久久久久久久| 五月激情综合婷婷| 麻豆科斗777| se色99| 午夜色丁香| 99视频激情四射| 9l视频自拍9l九色成人| 久操婷婷| 六月婷综合| 六月丁香开心婷婷欧美| 色色色区| 婷婷丁香五月天婷婷| 管管補管管紱| 久婷婷久草| 激情五月少妇| 激情性爱五月| 五月丁香婷婷综合网| 中文字幕无线久必| 久久精品五月| 亚洲九区| 丁香五月宝贝激情网| 中文字幕性爱丰满| 婷婷五月在线视频| 婷婷久久亚洲| 亚洲乱码日产精品BD在线观看| 婷婷五月欧美综合| 久热婷婷在线视频| 香蕉久久六月| 亚色网站小视频| 天天做天天摸| av在线资源| 少妇水多A片太爽了| 丁香综合久久| 中文精品在| 丁香五月婷婷深爱综合激情| 亚洲激情区| 狼人婷婷久久| 嫩草AV久久伊人妇女超级A| 日本天堂网站99| 91 九色 熟女| 亚洲综合在线丁香五月| 五月天伊人综合| 国自产拍偷拍精品啪啪一区二区| 天天狠狠综合精区| 五月婷婷黄色| 五月天婷婷五月| 欧美精品99| 国产精品美女久久久久AV超清| 成人短视频在线免费观看| 色婷婷内射| 色丁香五月| 91精品综合久久久久久五月丁香| 九月婷婷激情久久| 久久香蕉影院| 这里只有精品视频99| 日本色婷婷| 亚洲色五月婷婷| 1024手机在线观看看片_日韩精品| 国产日日夜夜操| 影视av久久久噜噜噜噜噜三级| 怡红院AV亚洲一区二区三区H| 久久久婷丁香五月天激情综合| 深爱激情五月天| 全部老头和老太XXXXX| 91色吧网| 国产avapp 网| 婷婷五月永远18免费久久久| 国产精品色婷婷99久久精品| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 人人操插| 常久最新免费的色吊丝| 五月天婷婷色色| 青青草Avb在线| 久久久久久久久久久久久久人妻视频| 极品五月天| 九九AV| 欧美色偷拍| 草婷婷在线| 五月丁香黄色视频| 丁香五月激情综合婷综| 色婷婷六月精品| 丁香五月综合| 伊人久久大香线蕉av一区| 五月天精品综合| 中字幕视频在线永久在线观看免费| 影音先锋91| 女高怪谈在线观看| 亚洲成人在线观看av| 五月丁了香蕉综合| 婷婷五月丁香综合人妻| 激情又色又爽又黄的A片| 久久免费操| www.夜夜騎夜夜狠| 专区无日本视频高清8| 婷婷久久综合久| 色婷婷五月天成人网| 91jiuseshunv| 夜夜操夜夜姧| 五月天大香蕉| 婷色五月| 久热成人| 五月婷婷人人人操| 婷婷五月天综合久久| 亚州综合色| 色日本五月天| 五月婷中文娱乐综合| www,五月天激情| 丰满少妇乱A片无码| 狠狠 婷婷| 婷婷色中文字幕| 无码九九| 五月色婷| 欧美日韩成人高清在线| 色五月丁香婷婷在线观看| 五月丁香婷婷激情图片| 五月婷婷丁香色吧网| 亚洲成人影视在线| www.五月婷婷久久.com| 欧美顶级少妇做爰HD| 色播五月丁香婷婷| 嫩BBB搡BBBB榛BBBB| 色综合天天网| 国产毛片精品一区二区色欲黄A片| 丁香五月久久| 五月天色色色| 国产精品久久..4399| 九九RE视频在线精品| 日本99久久| 精品久久人妻| 五月婷婷丁香深深爱| 五月丁香婷婷综合| 日本婷婷综合精品| 99精品偷自拍| 亚洲性爱干干| 囯产精品久久欠久久久久久九大| 99视频色在线观看| 丁香六月啪啪| 亚洲性爱干干| 婷婷伊人久久无码色五月| 婷婷五月天激情在线| 综合精品99| www久| ay2区| 日韩无码专区| 色播播婷婷| 久月婷婷| 久久婷婷成人综合色怡春院| 五月开心六月婷婷在线播放网站| 婷婷色色欧美综合网| 激情www| 久久婷五月| 精品一区二区三区四区五区六区| 久久A热| 伊人狠狠色婷婷综合丁香一区| 五月丁香啪啪网| 狠狠五月激情在线| 99原创自拍视频在线观看| 婷婷五月激情在线视频| 国产免费av在线| 婷婷五月天伊人网| 97丁香五月天| 9l视频自拍九色9l黑人| 日日干日日| 久久99这里只有精品| 五月激情小说| 五月婷婷欧美激情| A级毛片高清免费不卡播放谢谢谢谢| 亚洲天堂啪啪| 久热这里只有精品在线观看 | 婷婷综合六月| 人人妻人人澡| 婷婷五月色| 五月色俺婷婷| 99黄色在线视频精品熟女|