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
丁香五月色播中文在线播放| 噜噜吧天天爱| 曰韩少妇内射免费播放| 中文字幕日韩无码制服诱或| 狠狠一日| 综合亚洲色色| 熟妇人妻中文字幕无码老熟妇| 五月天色色网站| 亚洲视频在线观看| 五月激情天| 色色六月| 中美日韩成人在线| 99这里只有免费的小视频在线观看| 午夜丁香婷婷| 五月丁香色狠狠干大屄| 久热大香蕉| 激情久久伊人| 亚洲激情AV| 丁香五月五婷| 开心五月综合激情综合五月| 色婷婷国产精品综合在线观看| 五月丁欧美| 1024日韩| 欧美va亚洲va在线播放| A级毛片高清免费不卡播放谢谢谢谢| 日日噜狠狠| 九九av| 狠狠做深爱婷婷久久综合一区| 9九九久久精品无码专区| 亚洲综合丁香五月天| 日本nghangse中文字幕| 久久99视频| 丁香五月人妻| 国产偷人爽久久久久久老妇APP| 激情开心五月亚洲| 另类专区在线| 香蕉影院色| 99视频在线观看视频| 久草九一| 99日本在线| 五月丁香久人妻中文| 9色小视频在线观看| 国产婷婷色综合AV蜜臀AV| 大香蕉220| 丁香欧美| 伊人色综合久久久| 夜夜夜夜夜操| 婷婷综合色播网| 综合色天天| 激情综合亚洲| 五月丁香在线观看99| 精品一二三区久久AAA片| 性生活视频98791| 亚洲乱码日产精品BD| 激情五月婷婷在线| 全亚洲最大的婷婷五月天网站COM| 中字幕视频在线永久在线观看免费| 九九热中文| 五月丁香婷婷激情图片| 欧美成人精品三区综合A片| 岛国av网| 色香久久| 99热这里有精品| 情涩婷婷五月天| 婷婷五月综合网| 丁香色色网| 色五月涩涩婷婷蜜桃| 五六月婷婷久久| 九九99九九99| 中文字幕久久一区二区三区| a色色色色色| 亚美欧色影院| 五月天婷婷色播在线网| 婷婷日日夜夜| 丁香婷婷在线| 天天日夜夜爽| 久久色这里只有精品| 久久综合性| 色婷婷狠狠久久综合五月| 婷婷六月色| 开心五月婷婷综合在线精品素人| 91婷婷在线观看| 久99热在线观看| 久久激情五月婷婷| 激情文学久久| AV国产有码| 99ri视频| 熟妇无码乱子成人精品| 亚洲色频| 高清视频一区| 激情五月色婷婷| 五月天性色| 五月天激情综合首页| 一起操最新网址| 婷婷久久99| 丁香色五月婷婷91桃色| 人妻尝试久久久久久久久久久久| 色吧五月婷婷六月丁香| 久久久久这里都是精品| 色九月欧美| 伊人婷婷大香蕉在线| 久久五月天婷婷| 五月婷婷综合久久| 欧洲第一久色| 99热这里只有精品69| 色色五月天 亚洲| 丁香六月 婷婷六月| 亚洲综合在线播放| 婷婷五月天手机版视频| 性做爰A片免费视频A片直播| a色色色色色| 1024操逼| 欧美色色色| 日本婷婷| 久久99综合网| 丁婷婷五月天在线播放| 色播五月婷婷五月| 丁香九月综合| 97碰超级人人看| 色五月美女| 免费看欧美成人A片无码| 亚洲超碰在线| 久久丁香五月| 亚洲精品国产精品乱码视99| 丁香五月天色婷婷| 欧美操逼天堂| 久久久网站| 婷婷色香六月综合激情| 六月婷婷久久| 天天爽天天做| 性爱电影科技贸易有限公司| 婷婷婷色五月| 久久视频在线视频| 婷婷五月激情的图片| 五月天另类小说亚洲| 色五月婷婷影院| 五月天桃色深爱网| 99噜噜| 色五月天成人在线| 网站免费一站二站| 在线五月婷| 99热这里在线精品| 五月婷婷,狠狠操| 婷婷久月| 婷婷五月天高清无码| 高清激情av在线观看| WWW.婷婷| 色亭亭影园| 99精品热| 九九热在线观看视频| 人妻激情在线| 五月天婷婷影院| 日本色色色| 深爱五月婷婷| 久久激情五月婷婷| 天天色综合网1| 99性视频| 538在线精品| 自拍盗摄 另类| 色五月婷婷小说亚洲中文字幕组| 92久久| 尔尔AV一区| 国产激情久久久| A片试看120分钟做受视频红杏 | 色婷婷久久综合中文久久一本| 99九九精品| 五月天俺去也| 久久六月天| 99这里只有精品|v| 综合图区激情| 色播五月| 噜噜噜狠狠色综合| 久久婷婷五月综合色奶水99啪| 91在线观看九区| AVDV久久| 色插综合网| 99色1| 激情开心五月天| 色情婷婷。| 91丨九色丨老农村| 久久精彩视频| 美国不卡视频| 久久99精品久久久久久噜噜| 午夜九九九九九九| 亚洲va成人va成人va在线观看| 亚洲操b| 国产亚洲AV人片在线| 五月激情综合婷婷| 久操香蕉| 亚洲天堂青草| www98日本小时间到了| 婷婷伊人| va亚洲中文在线| 淫荡工a| 五月天婷爱综合| 天天爽天天爽视频| 99久久激情视频| 丁香五月婷婷激情四射深爱激情| 国产精品久久..4399| 九月婷婷综合八月丁香在线观看| 色婷婷丁香五月在线观看| 九热免费视频| 五月天精品| 国产一级黄色影片,| 超碰在线免费观看3 9| 色天堂A| 日日做夜夜爱| 色玖玖玖| 丁香六月激情| 一级操逼内射在线视频| 97热在线精品| 日本欧美成人片AAAA| 激情纯色婷婷五月天在线不卡视频| 三男玩一女三A片| 狠狠色丁香99| 亚洲天堂AV综合网| 国产日批视频| 亚洲无码猫咪| 五月天婷婷av| www激情网| 五月天婷婷Av| 亚洲天堂热| 久久五月天婷婷视频| 神马欧美精| 婷婷激情五月视频| 大香蕉五月天婷婷| 婷婷娱乐丁香综合网| 色婷婷yy久| 人人摸人人| 丁香五月天激情| 色色a| 丁香六月色情| 色播五月综合网| 丁香五月色| 极品人妻videosss人妻| 99激情网| 婷婷久久综合| 欧美成人精品老美女噜噜噜| WWW,激情五月天,COM| 亚洲无码99| 天天在线久久综合 | www.99视频| 26UUU| 国产精产国品一二三在观看| 97在线刺激| 久久久久久久久久久久久久人妻视频 | 一起草日本| 婷婷五月天成人动漫 | 色一色综合| 婷婷色啪| 天天肏在线观看| 超碰丁香五月| 婷婷五月天亚洲| 日99网站| 深爱五月亚洲| 少妇高潮呻吟A片免费看软件| 91狠狠综合久久久| 久久a热| 综合网啪| 97色图片中文字幕视频在线观看 | 色婷婷成人五月| 影音先锋按摩| 五月婷婷六月丁香玖玖玫瑰91| 99热超碰在线| 亚洲人人操| 丁香五月天激情网址| 久久AV无码精品人妻系列试探| 99热碰碰| 色色色色色色网| www.色婷婷。com| 26uuu精品一区二区| 亚洲偷| 变态另类9| 五月丁香激情深爱婷婷| 午夜丁香六月婷| 日熟女| 三人荫蒂添的好舒服A片| WWW99热| 综合久色五月| 精品99这里有| AV在线大香蕉| 久久综合五月婷婷| 无码人妻一区二区一牛影视| 久cao香蕉影院| 99这里有精品| 大香蕉五月天| 五月婷婷在线视频免费观看| 国产九九一区二区三区| 国产a视频| 国产毛片精品一区二区色欲黄A片 欧美交换配乱吟粗大25P | 五月激情啪啪啪| 欧美爆乳一区二区三区| 婷婷射图五月天| 天天插天天插天天日| 五月天丁香网站| 四射综合网| 综合在线观看99| 欧美性猛交AAAA片黑人 | 五月婷婷色| 99色| 色婷网| 变态另类9| 丁香五月激情综合| 丁香激情五月| 超碰97人人操| 97在线视频人妻九色| 啪啪操超碰| 国产激情综合五月久久| 五月天婷网| 五月天婷婷婷| 综合网精品99| 免费观看18视频网站| 日本色色网| 99人人操| 九九热亚洲中文在线观看免费| 在线99精品| 综合激情四射一theav| 丁香五月激情啪啪综合| 99碰在线视频| www.91操| 久九色| 五月婷中文娱乐综合| ..真实国产乱子伦毛片| 高清a片基地| 思思99久久| www.91在线观看| 久久在这里99| 天天干天天 亚洲| 婷婷激情综合色五月久久91| 婷婷五月天电影区小说区| 免费超碰在线| 婷婷伊人网| 久草热8精品视频在线观看| 欧美综合激情五月天| 色婷婷香蕉| 婷婷97碰碰| 97碰人人操| 国产1区2区3区| 丁香五月婷婷社区| 国产激情在线| 伦乱美欧| 99色看| 欧美日韩91| 国产亚洲在线观看| 九九干视频| 女婷久久| 欧美丁香婷婷五月| 久操大香蕉| 一本大道嫩草AV无码专区| 久久人人添人人爽添人人片αV| WWW色五月| 超碰在线网站| 5月婷婷综合| 五月丁香色婷婷基地| 九月久久婷婷| 五月天婷婷社区久久综合| 99爱爱网| 婷五月丁香| 婷婷的五月天另类视频| 白天AV月月| 亚洲五月天婷婷| 99色综合| 99玖玖人人| 天天爽在线视频| 五月婷婷丁香色吧网| 青青久久大香蕉| 欧美六月| 色小说五月婷婷| 天天插天天插| 九九亚洲| 精品动漫 无码av| 99精品热| 色婷婷五月天小说网| 猫咪伊人久久| 99噜噜噜在线播放| 婷婷色婷婷| 五月丁香六月婷婷的女人| www.狠狠艹| 可以免费观看的AV| 9有码中文| 黄色99网| 婷婷激情综合网| 一区无码| 亚洲99视频| 色噜噜狠狠色综合网| 国产肥白大熟妇BBBB视频| 久一网站| 情久久综合五月天| 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 | 五月综合六月婷婷| 99啪啪| 日本欧美999久久久三级片| 五月天婷婷xxx| 爱草人视频| 爆乳熟妇一区二区三区爆乳照片| 九九精品婷| 66精品国产成人| 九九热这里| 性爱久久| 日本高清久久| 国产在线黄色| 色婷婷超碰| 99精品视频在线| 丁香五月综合激情啪啪| 五月色亭丁香| 日本激情综合| 99视频这里有精品| 色八月婷婷| 丁香成人视频| 99re资源在线视频导航| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 夜夜躁爽日| 亚洲国产精品SUV| www色色色com| 天堂网啪啪| 91干婷婷| www.av骚货| 精品国产AV色一区二区深夜久久| 久久婷出差欧美色两性综合网| 综合激情婷婷| 99九九热视频免费| 婷婷综合五月天| 爱狠射| 丁香五月五婷| 国产永久一黄| 激情五月天啪啪| 伊人三级激情| 97色久| 丁香五月最新地址| 另类综合激情| 91色久| 久草狼人| 久xxxx| 五月天婷婷激情| 色玖玖玖| 色播综合| 天堂婷婷五月在线| 日产精品久久久久久久蜜臀| 99re26视频| 久热这里| AV在线大香蕉| 天天爽天天操| www色婷婷久久综合久色| 99综合免费视频| 久久9精品| 五月丁香婷婷色| 九九久久五月天| 色色色色色色色色综合网| 天天日天天添| 色五月综合| 开心婷婷五月天电影院| 蒲京久久无码视频| 五月色综合| 日本欧美成人片AAAA| 色婷天天| 狠狠色综合网| 日韩操逼小电影| 99欧美三级视频| 色香久久| 99爱爱| 亚洲日韩一页精品发布| 欧美日韩一区二区三区四区| 丁香婷色| 国产欧美日韩综合精品一区二区| 播五月丁香六月| 欧美VA视频| 日韩成人电影AV| 色黑鬼导航| 国产高清av黄色看片| 婷婷综合在线观看视频| 97碰在线免费观看| 99色热视频| 婷婷色播色五月五色五月天色妇| 亚洲天堂婷婷| 婷婷射丁香| 色色色视频| 97超级免费无码| 九热精品| 丁香五月av在线| 激情丁香五月AV| 99爱视频免费| 国产精品噜噜在线视频| 9999热在线观看| 六月激情婷婷| 五月播播| 蜘蛛女免费观看完整版高清电影 | 99久在线精品99re8热| 1995年关宝慧版蜘蛛女| 97干视频| 无码成人播放器| 激情五月天激情五月天| 亚州精品色情无码A片| 五月天婷婷综合网| 色婷婷五月综合在线| 丁香五月亭亭六月综合激情网| 大香伊人婷婷影院| 丁香色色网| 99热这里只有精品4| 久久五月丁香| 亚洲精品V天堂中文字幕| 久久久久人妻网址| 激情伊人五月婷婷久久| 99草在线免费观看视频| 天天舔天天爽| 九月色婷婷综合| 久久久久婷婷五月热综合| 综合精品啪啪| 激情五月综合网| 99热这里只| 啪啪婷婷五月天激情| 丁香五月婷婷综合精品素人| 性色九九| 午夜激情五月| 婷婷五月激情热播| 69久久99精品久久久久| 久久综合五月天激情小说网站 | 婷婷五月天视频亚洲| 亚洲久久视频| 婷婷综合久久| 超碰九九热| 人妖色AV色综合| 日韩黄在免| 日韩黄黄| 国产性爱亚洲是图| 亚洲射激情| 嫩草AV久久伊人妇女超级A| 色欧美影院| 丁香婷婷欧美综合| 日韩黄在免| 午夜激情五月| 天天摸夜夜爽天天做| 九九综合精品| 九九精品99| 亚洲综合一区二区| 99热99| 91九九九九九九| 久大香蕉| 91色逼| 六月激情综合| 丁香涩涩爱| 色国产五月| 天天操中文字幕| www.com.色色| 久七香蕉| 香蕉婷婷色五月| 热婷婷av| 少妇AB又爽又紧无码网站| 丁香六月激情国产| 人妻久久久久久久久久| 无码G高清天| 丁香狠狠| 久久性操| 丁香婷婷综合喷| 超级碰碰碰久久网站视频| 色五月亚洲| 婷婷五月色播| 情欲禁地| 国产AV一区二区三区最新精品| 色五月婷婷久久| 日本一道久久| 久草热在线视频| 婷婷五月天av| 99免费在线| 99这里| 97色婷婷| 99久久玖玖| 亚洲人人操| 99在线热| 少妇人妻偷人精品无码视频新浪| 欧美一级色| 丰满少妇猛烈A片免费看观看 | 91九色精品熟女内射| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 玖玖五月| 亚洲av骚货| 久久五月丁香综合17C| 五月丁香婷婷国产精品综合| 婷婷涩五月天综合| 情婷婷五月天| 色情五月婷| 91se在线视频| 亚洲精品字幕在线观看| 丁香花综合永久入口| 色黄啪啪| 99热老网站| 亚洲精品乱码久久久久久综合| 色八月婷婷| 亚洲国产精品成人免费一区久久久在线观看AAAA | 亚洲a片免费观看| 色一情一乱一乱一区9| 日韩综合久久| 亚州视频九九99| 九九热视| 99热官网| 免费观看高清无码| 超碰在线99| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 婷婷五月天婷婷| 六月丁香五月婷婷| 久久xxxx| 91日综合欧美| 99免费热在线精品| 五月天激情网开心网| 日本视频99| 噼里啪啦在线观看免费完整版视频 | 五月丁香操亭亭网| 婷婷亚洲久久| 97色色婷婷| 六月天六月婷| 中文字幕激情综合| 婷婷五月影院| 免费不卡狠操美女视频网 | 激情中文在线| 一本道在线电影| 婷婷五月天亚洲| 99re热精品在线视频| 夜夜嗨一区二区三区直播内容 | 五月丁香啪啪啪免费看| 久久九九re热| 亚洲乱码精品久久久久..| 玖玖热视频| 五月天五月色婷婷综合| 综合精品啪啪| 在线观看免费视频| 激情综合国产| 丁香六月婷婷综合网| 五月天大香蕉视频| 大香蕉手机视频| 亚洲综合99| 玖玖色资源站| 六月丁香AV| 99色精品| 色婷婷色99国产综合精品| 久久只有精| 超碰二区| 五月亭久久无码视频| 免费黄色片子| 亚洲成人av在线观看| 五月天社区| Www.激情| 亚洲九区| 九九九九九九毛片| 亚洲深喉aV| 97视频.干com| 婷婷综合五月天亚洲综合| 五月天堂婷婷| 一起草aV| 婷婷激情久久| 激情综合亚洲| 天天摸天天舔| 色5月婷婷| 天天日天天舔天天摸| 啪啪五月综合| 欧洲MV日韩MV国产| 五月丁香六月婷婷啪啪| 一区视频网站| 六月激情久久| 五月婷婷在线观看| 少妇婷婷五月天| 青青草原中文字幕| 婷婷五月天国产性感美女演员久久久久| 色综合婷婷| 天天激情欧美美女| 婷婷激情五月天在线| 九九热99在线视频| 91干婷婷| 丰满少妇猛烈A片免费看观看| 色五月婷婷丁香五月| 婷婷五月天激情诱惑| 色色网站观看| 六月99天天婷婷激情综合| 99热日本精品| 一级黄色片看看| 国产精品美女久久久久AV超清 | 婷婷基地成人五月天| 伊人激情啪啪| 99热爱爱干干日| 97超碰在线免费观看| 中文在线视频久9| 中文字幕成人版| 北条麻妃九九九国产精品视频| 日本片日本片祼观看网站在线看中文版网页在线看 | 久久久ww| 日日夜夜久| 午夜九九电影| 丁香六月高清视频| 开心日韩丁香婷婷五月| 国产xxxxx在线观看| 丁香五月大香蕉| 亚洲激情综合网| 日本色图综合| 五月激情啪啪啪| 色婷网| 97狠狠色| 伊人婷婷大香蕉| www.色9| 久久刺激网| 丁香久久九九99| 婷婷久久伊人| 亚洲六月色婷婷| 狠狠色色综合| 爆乳熟妇一区二区三区爆乳照片| 伊人激情综合网| a九九热www| 婷婷激情啪啪| 久青操| 日韩人妻在线观看| www久久艹| 五月久熟女| 色吧婷婷| 天堂AV三级| 五月花成人网| 久热中文字幕在线线观看 | 9有码中文| 五月丁香婷色| 日韩天堂久久| 国产熟女大叫受不了| 香蕉综合在线| 激情婷婷综合| 日日夜夜小色哥| 色五月婷婷一二| 丁香色五月婷婷| www.99热在线观看| 天天综合精品| 亚洲V国产V欧美V久久久久久| 26UUU欧美激情一区二区| 激情综合久久| 天天干天天干天天操| 99精品小视频| 影视av久久久噜噜噜噜噜三级| 色五月婷婷在线| 色婷婷久久| 婷婷五月丁香青青草在线| 亚洲成人无码免费| 丁香六月婷婷综合| 婷婷涩涩网| 青草热视频这里只有精品| 激情五月天小说| 亚洲AV网站| 无码成人AAAAA毛片AI换脸| 黄色成人AV在线| 色情丁香五月婷婷精品| 成人噜噜网| 日本天天综合| 色五月激情婷婷| 99男人的天堂| 无码激情AAAAA片-区区| 曰本久久女| 超碰97干| 色五月视频无码播放| 婷婷久久丁香| 激情久久久| 男人大jjc女人免费视频| 色www.con| 久热这里只有精品在线观看| 欧美xx激情视频在线观看| 九九aV| 狠狠色噜噜狠| 久久久久久久97| 六月婷婷无码观看| 丁香五月成人| 中文字幕无码AV| 亚洲视频码| 色婷婷色99国产综合精品| 国产激情久久久| 婷婷永久在线| 久久综合热17c| 婷婷亚洲日本| 日日干日日色| 色综合五月天| 久久婷婷亚洲| 综合九九久久| 色五月 激情婷婷 综合五月天| www夜夜操| 五月丁香啪啪啪| 婷婷日韩| 五月天丁香六月综合| 极品五月天| 色婷婷丁香五月天| 欧美婷婷色五月网| 丁香五月婷婷久久综合激情网| 亚洲五月色| 丁香五月天社区| 双性美人被调教到喷水A片| 91久久18| 97国产精品女人碰碰| 亚洲无码成人网| 丁香六月婷婷| 欧美槡BBBB槡BBB少妇| 午夜激情婷婷| 五月丁香六月婷婷无码| 任你爽精品免费视频6| 日韩欧美不卡| 丁香无五月网| 色婷丁香| 亚洲欧洲一二| 色色色色色色色色色999| 色噜噜五月天| 色色色五月天激情资源| 久久99久久99精品免视看婷婷| 337p大胆噜噜噜噜噜91Av| 久久免费试看120秒| 色婷婷丁香中文在线播放| 99精品视频在线观看| 久久一级免费黄色片| 天天操天天日天天爽| 91超级碰碰碰| www.91婷婷| 丁香五月色情| 无码日本精品XXXXXXXXX | 在线99热| 婷婷五月激情图片| 碰人人97| 丁香五月亚洲天堂| 亚洲精品又粗又大又爽A片| 神马欧美精| www、色色色| 中国操逼99| 色五月婷婷成人视频| 99在线观看| av久热| 天堂综合久久 | 久热婷婷| 五月丁香 啪啪| 午夜丁香久久久久久| xxx综合在线| 少妇人妻人伦A片| 精品久久二6| 91婷婷丁香五月| 182tv992tv人之初午夜免费观看| site:xiongshengzz.com| 包操45分钟网站| 色色色热| 久色资源网| 69精品无码一区二区三区| 无码99| 婷婷天天插天天爱| 五月色丁香婷婷综合| 色色色综合色| 99re在线播放| 99久久a线观| 国产激情久久久| 91porn一起草| 97碰| 色五月婷婷中文字幕| 色欲婷婷五月天丁香| 亚洲天堂玖玖| 色五月丁香婷婷| 超碰伊人碰婷婷五月| 婷婷五月天网| 婷婷五月综合久久中文字幕| 99A片| 亚洲AVwwwwwww| 青青操绿aaa一区日v| 国产精品美女久久久久AV超清| 五月开心六月婷婷在线播放网站| 99精品久久| 99re最新地址视频| 天天爽天天爽| 成 久久| 色婷婷呢狠禁久禁| 久久综合激情婷婷激情| 一区二区三区XXXXXX| 久久激情五月天| 色五月天丁香婷婷色| 涩综合网| 97色婷| 综合激情站| 天堂婷婷丁香六月网| 99干日本| 色99综合色88| 欧洲色区| 在线观看免费观看在线9久| 97色操| 激情亭亭五月| 五月激情视频| 色五月之第四色| 青柠影视免费高清电视剧| 春色激情第四色| 五他月天啪啪啪| 五月婷精品| 亚洲最大成人综合网720P| 天天插天天很| 五月天丁香啪啪啪啪| 中文字幕激情综合| 九月丁香婷婷综合激情| 伊人网色婷婷五月天| 亚洲欧美999| 五月久久婷婷丁香| 成人精品视频99在线观看免费| 狠狠干综合网| 色五月天激情| 亚洲成人在线在线| 亚洲成人网站在线播放| 婷婷五月天改成什么了| 欧美性爱丁香五月| 91狠狠色色丁香婷婷综合久久| 麻豆科斗777| 精品皮股午夜AV| 色播五月婷婷五月| 4438激情网| 婷婷五月天AV| 色五月av| 九九九激情网| 日韩成人电泉AV| 4438激情网| 伊人久久丁香五月91| 桔色成人在线| 亚洲操b| 99热网站| 丁香桃色网| 中文AV网| 啪啪东京热| 五月天激情婷婷小说| 香蕉国产2013| 日本九九视频| 欧美va精品va老师va| 五月六月丁香婷婷在线观看| 婷婷婷婷婷婷婷婷| 超碰无码老师| 欧美婷婷五月天综合| 欧洲色区| 中文人妻主播久久| 五月丁香六月激情欧美综合| 91精产一区三区免费观看| 六月成人网| 久久多色| 丁香五月综合婷婷| 欧美欧盟性爱网| Www,五月天| 亚洲成人在线在线| 噜噜噜噜在线| 色婷婷在线电影| 丁香五月宝贝激情网| 婷婷在线视频| 久热9| 日韩成人中文字幕| 丁香婷婷五月激情| 六月婷婷色综合| 国产亚洲99久久精品| 婷婷久草| 亚洲色色色色色色色色色| 热成人网| yiqicaoav| 人人摸人人澡人人| www.综合久久.com| 亚洲最大在线| 97久久人人操| AV大香蕉| 小视频aaa久久久| 中国女人做爰A片| ...婷婷国产成人亚洲日韩| 亚洲免费看片| 色婷婷97| AAA久久| 五月丁香婷婷激情在线| 综合六月久久| 婷婷丁香五月亚洲| 六月丁香婷婷综合影院| 欧美影院| 色综合色| 五月丁香婷婷欧美| 色五月开心五月激情五月| 河北真实伦对白精彩脏话| 丁香婷婷六月在线资源观看| 亚洲成人无码片| 日本三级中文字幕| 韩日在线熟女| 久久婷婷五月天激情新地址| 狠狠色噜噜狠狠| 久久久A级视频| 99亚洲天堂| 五月天另类小说亚洲| 天天日夜夜爽| 狠狠狠狠狠操| 538任你爽视频不一样的| 97精品综合久久| 五月婷婷色丁香| 色爱爱综合网| 99自拍视频网站| 天天看片日日夜夜| 七七色综合| 精品久久9| 婷婷五月天成人动漫| 日噜噜色| 六月婷婷色综合| 婷婷在线五月天观看| 国产AV熟妇人震精品一品二区| 亚洲日日日| aaaaa黄色| 伊大人久久| 成人 在线 日韩| 99性爱无码| 强伦轩人妻一区二区电影| 99免费在线视频| 舔色婷婷| 99在线免费视| 亚洲九九婷婷| 色色色综合网| 亚洲五月天婷婷| 日韩一区二区在线播放| 91在线观看九区| 人妻激情综合| 婷婷综合五月色播| 久月婷婷| 婷婷五月丁香基| 久久99久久99精品免观看粉嫩| 婷婷丁香77777| 久久精彩视频99| 亚洲天堂热| 日日操夜夜撸| 日本在线噜噜| 欧美在线视频99| 久久网婷婷| 最近免费中文字幕大全高清大全1| 成人在线日韩欧美| 五月欧美色色五月| 亚洲啪啪精品| 国产AV一区二区三区日韩| 五月天天综合| 99热这里只有精品2| 亚洲亚洲激情| 日本人妻A片成人免费看片| 日韩无码亚欧无码| 99噜噜噜在线播放| 日日夜夜婷婷| 五月综合激情| 天天天操天天天日| 天天干-天天日| 99色在线| 色婷九九九| 97 天堂| 日本激情91| 人人爱国产| 欧美天天干五月丁香| 97人妻碰碰碰久| 国产亚洲99久久精品熟女| 日本三级中国三级99人妇网站| 99久久www| 深爱激情婷| 亚洲综合婷婷五月| 丁香五月天在线直播观看| 丁香五月性| 噜噜操操| 五月天婷婷色色首页| 色吧婷婷五月亚洲| 国产精产国品一二三在观看| 五月婷婷AV| www.久久久久久久| 噜噜色com| 秋霞影音91人妻久久| renrencaoni| 天天色综和网| 国产免费AV网站| 91久久九九| 伊人婷婷福利网| 国产精品扒开腿做爽爽爽A片唱戏 青青草国产亚洲精品久久 | 婷婷激情五月天在线| 这里只有精品69| 丁香五月婷婷丫| 久鲁鲁色网| 啊v视频在线观看| 99免费在线视频| 色九九丁香九月色九九色| 人妻激情久久| 色狠狠色噜噜AV天堂五区| 9999久久久久| 人妻人人操| 亚洲婷婷五月天| 色99色| 久久香蕉网| 99综合网| 成人做爰A片免费看网站找不到了| 色色五月天激情| 五月婷婷六月激情| 99人人干| 成人做爰高潮A片免费视频| 99国产精品久久久久久久久久久| AV九九| 成人综合网站| 91色呦哟| 婷婷日韩| 九久久婷婷| 婷婷丁香久久网| 在线视频婷婷| 另类丁香综合| 另类图片五月激情| 成人短视频免费观看| 丁香五月 无码| 激情五月份婷婷| 98色花堂98t.R| 五月天开心色情网| 天天爱天天做天天日| 99精品这里只有免费视频| 午夜 外网 精品 在线| 狠色狠色狠色狠色狠色网| 99re26视频| 九九久热| 色综合久久88色综合天天看| 一起草无码| 婷婷天天日婷婷| 白人荫道BBWBBB大荫道| 在线中文AV| 婷婷丁香六月天激情四射网| 操比激情五月| 99热在线精品播放| 天天干,天天舔| 狠狠插狠狠| 五月天婷婷综合免费| 超碰女人天堂| 综合色播| 九九草草逼| 九月久久婷婷| 人妻狠狠操| 亚洲色色色色| 亚洲五月天另类小说图片| 国产精品久久..4399| 色五月首页| 五月婷婷色色爱| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 色色色综合网| 色婷五月丁香久亚洲| 五月婷婷之综合激情在线| 五月丁香综合| 无码区婷婷五月花开| 99热只有精品在线观看| 91九色视频在线观看| 天天色综网| 51国精产品自偷自偷综合| 色五月播五月| 婷婷九月丁香久久| 777.色色| 狠狠色丁香| 亚洲网视屏| 碰超亚洲| 五月天婷婷久草丁香| 五月天婷久久| 久热大香蕉| 99在线精品观看99| 婷婷五月av| www婷婷| 色婷婷五月天激情在线观看| va婷婷在线免费观看| AAA久久久| 99热销国产这里有精品| 五月婷婷丁香日韩在线| 丁香五月天堂网| 五月丁香色停停啪啪啪| 丁香午月AV中文字幕| 日本精品99网站| 激情校园 亚洲| 另类 在线| 亚洲成人在线在线| 九九久久99精品免费观看www| 久久国产性爱A V| 99色视频| yazhoujiqingav| 9精品国产在热久久| 琪琪狠狠干| 99热综合在线| 严洲天天插| 99热这里只有精品4| 九月大香蕉| 黄色短视频在线观看| 99视频超级精品| 伊人五月婷婷| 97超级碰碰碰久久久| 国产va在线视频| 天天搡日日搡aaaaⅩ| 欧美超碰亚洲| 狠狠狠狠狠狠狠狠草| 亚洲九九视频| 99免费在线视频| 五月综合色播播丁香婷婷| 婷婷久久综合| 操久久网| 五月婷婷综合丁香视频| 欧美日本不卡黄色片| 五月久久噜噜| 99无码黄色视频| 日韩日比视频| 月婷婷婷婷五月| 在线免费视频caop| 天天干天天操天天干天天操天天干天天操| 久久精典| 偷拍91九色| 丁香五月婷婷色情综合| 日韩av手机在线观看| 色婷婷综合久色AV五色最新| 国产成人高清| 婷婷综合av| 成人精品99| 日本综合99| 久久久中文| 九九热视频99| 99riAV国产精品视频| 色视频五月天| 壅壅儕家a| 色色色国产| 婷婷香蕉香| 色播丁香婷婷五月激情| 蜜乳久AV| 美女100%露全身无挡网站| 亚洲天堂久久| 涩综合网| 色婷婷激情四射视频| 五月花激情网| 狠狠xx| 强奸幻女毛片| 开心激情播播五月天| 九九无毛| 天天搞天天色综合| 一片AV片免费播放| 五月激情婷婷开心| 亚洲第二AV| 开心五月网 | 五月丁香综合激情网| 婷婷六月天| 99大香蕉| 91肏| 婷婷少妇激情| 丁香五月综合激情啪啪| 久久久五月五丁香| 性爱网五月天| 久9无码视频| 另类视频综合| 在线观看中文字幕亚洲| 天天日天天爽夜夜爽| 亚洲激情 久久| 无码AV免费精品一区二区三区| 丁香婷五月| 亚洲AV日韩在线观看| 亚洲丁香五月天视频| 九九av在线| 色色色免费视频| 色播五月婷婷综合| 五月综合激情婷婷六月色窝| 熟女五月天久久综合| 婷婷综合中文| 天天摸色吧天天摸色吧| 99玖玖视频| 国产激情av| 丁香五月网站| 99爱视频免费| 婷婷丁香五月91| 五月花激情| 热久久66| 丁香婷婷综合喷| 五月丁香六月激情| 丁香五月天导航| 青青草国产亚洲精品久久| 婷婷五月天第四色| 大香蕉操操| 久久久久久久久久8888| 五月综亚洲| 久9热插入| 色~性~乱~伦~噜| 综合色播| 嫩草AV久久伊人妇女超级A| 丁香五月婷婷激情中文| 996精品热视频| 天天日日夜夜| 狠狠干思思热| 狠狠九九婷婷韩| 26uuu国产| 五月丁香基地|