<video id="xthld"></video> <ruby id="xthld"><th id="xthld"></th></ruby>

      <listing id="xthld"></listing>
            <mark id="xthld"><sub id="xthld"></sub></mark>

              <nobr id="xthld"><font id="xthld"></font></nobr>

                    <ruby id="xthld"></ruby>

                  自動駕駛汽車總結(自動駕駛心得)

                  自動駕駛 984
                  本篇文章給大家談談自動駕駛汽車總結,以及自動駕駛心得對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。 本文目錄一覽: 1、2019年度自動駕駛汽車回顧與展望

                  本篇文章給大家談談自動駕駛汽車總結,以及自動駕駛心得對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。

                  本文目錄一覽:

                  2019年度自動駕駛汽車回顧與展望

                  考慮到部署難度和經濟因素的差別,不同地方的自動駕駛部署時間差可能長達20年

                  2019年自動駕駛汽車似乎遇到了“減速帶”,整體的技術突破不大,各車企和技術公司紛紛推遲產品發布時間,甚至有一些公司正縮減投資。

                  Waymo完全無人運營

                  2018年,Waymo未能如期推出真正的商業化自動駕駛服務,但在亞利桑那州錢德勒市推出了Waymo?One,向有限的早期用戶開放。2019年,Waymo同樣也沒實現大規模商業化,但試點有所擴大。

                  2019年10月,該公司還被發現正在進行無安全員在內的“完全自動駕駛”測試。事實上,早在2018年,他們就已經在一定程度上做到了這一點,但受到Uber自動駕駛測試致死事件影響暫且擱置,但現在這個是來真的。

                  雖然Waymo自動駕駛技術整體突破不大,但仍然是自動駕駛領域的大新聞。很多人可能沒有意識到,對于一家大公司的律師和工程師來說,簽字部署完全自動駕駛汽車有多么了不起,因為一旦出現問題,會給整個項目帶來無盡的責任和風險,這樣做了證明他們有很大的信心。

                  Waymo和生產小型自動駕駛送貨車的后起之秀Nuro都已經設法向加州申請部署真正的無人駕駛服務,2020年我們應該能看到。

                  自動駕駛遇冷

                  自動駕駛汽車的發展正在放緩:Waymo的自動駕駛部署步伐慢于預期,Cruise推遲在舊金山部署自動駕駛出租車。戴姆勒也開始退縮,將控制自動駕駛支出,其他公司的態度也有所改變,就連自動駕駛先驅Navya也略微縮小了規模。

                  如果自動駕駛也符合研究機構Gartner著名的“炒作周期”,這種減速是可以預料的。毫無疑問,自動駕駛汽車在過去十年里已經得到了大量的炒作和高估。對于那些考慮到這一點的人來說,自動駕駛發展并沒偏離正軌太遠。在一個正常的周期中,一些大膽的、一廂情愿的預測會落空,一些利用炒作的玩家不得不在炒作減弱時縮減規模。

                  那么自動駕駛什么時候才會出現呢?

                  我列出兩個要點,但沒有給出具體年份。第一,當開發公司的工程師、律師和董事會認為已經足夠安全,能夠承擔部署風險的時候就可以。第二,不同地方部署時間有很大差別。事實上,考慮到部署難度和經濟因素的差別,不同地方的自動駕駛部署時間差可能長達20年。

                  早在2010年,我第一次開始預測時,相當一部分人就預測2020年自動駕駛安全可以得到保障。如果考慮到Waymo商業化試點可能會到來,他們的預測還算準確,但如果考慮到2020年要在各個地方實現自動駕駛,或者考慮到普通人能從車企買一輛自動駕駛在多個城市兜風,他們就錯了。

                  車企的預測經常會出錯,只是聽起來不錯。他們最常見的方法是從現有的ADAS系統開始,逐步將其轉變為自動駕駛汽車。這不是最明智的做法,但他們這樣做也不無道理。

                  下面我將談談特斯拉,但他們也遇到自己的“寒冬”,埃隆·馬斯克(Elon?Musk)曾“確信”自己的“完全自動駕駛”產品能在2019年“功能齊全”并向客戶發布,最終沒有做到。特斯拉的另一個失敗是過早地發布“智能召喚”,這削弱了人們對特斯拉的信心,部分原因在于它沒太大用,而且常?!蔼q豫不決”,甚至會犯錯誤,破壞汽車。歐盟甚至曾要求特斯拉盡快停用該功能。

                  自動駕駛將走向何方?

                  我對過去的預測僅做了小小地改動,我們將很快在一些城市看到商業試點項目,但僅限于選定的服務領域。這些試點將對自動駕駛的技術、安全、政府和公眾的接受程度以及商業模式進行測試。幾年后,這些試點將演變為真正的部署。

                  這將引發一場“地盤搶奪”,那些擁有可行技術的玩家會成為最有趣城市中的第一家(也是唯一一家)提供商——最賺錢、最容易做到,正面競爭很少。但是,一旦至少有3個玩家進入美國,這場爭奪戰就應該能在幾年后全面展開。

                  然而,所有這些仍然取決于團隊對自己技術安全性的判斷,這可能比預期的時間更長,因為成功需要的不僅是大量的資金,還需要有跳出傳統汽車制造商心態的思維模式。

                  同時,一些限量的產品會出現并不斷改進,包括更好的特斯拉Autopilot和所謂的“L3”產品。這類產品能應對特定的場景,比如,交通堵塞、高速公路、停車場以及一些城市區域。

                  特斯拉自動駕駛日

                  特斯拉是自動駕駛游戲里的怪咖。它是一家汽車制造商,又與其它所有同行不同,它也不像Waymo、Zoox和被通用收購前的Cruise那樣,是汽車行業的局外人。目前,特斯拉只有一個最上乘的ADAS產品,但它離真正的自動駕駛汽車還很遙遠,盡管特斯拉堅稱它已經非常接近了。

                  特斯拉的“自動駕駛日”給一些人留下了深刻的印象,也有一些人不為所動。對于是否一定要使用尖端的激光雷達和傳感器套件這一問題,人們的討論依然很激烈。

                  特斯拉2020年很有可能推出所謂的“完全自主駕駛”產品。盡管叫這個名字,但可能不是真正的自動駕駛產品,很可能只是Autopilot的一個支持在城市街道上穿行的駕駛輔助產品,司機仍需把注意力集中在方向盤上。

                  NTSB對Uber事件的論斷

                  Uber自動駕駛致死事故是2018年的重大新聞,而且仍然有很大影響。美國國家運輸安全委員會(NTSB)公布了他們的調查結果,并就此舉行了聽證會。

                  NTSB將此事故歸咎于Uber沒有重視安全文化,因為安全員當時正在看視頻直播,一定程度上造成了事故。聽證委員會并沒有把事故歸咎于Uber的自動駕駛軟件,因為正是因為自動駕駛系統是有缺陷的,所以才會安排安全員在內。

                  這一事件中,值得注意的是人們對“自動駕駛自滿”的關注。人們很快會厭倦自動駕駛系統,不會一直密切關注系統的運行。Uber之前沒有考慮到這一點,現在的一些車內裝了攝像頭來監控司機的視線。特斯拉也要求司機不斷觸摸方向盤,以證明他們仍在留意駕駛情況。監管機構未來可以效仿NTSB,推出更好的監管措施,消除用戶在測試和駕駛員輔助期間的自滿情緒。

                  前方的挑戰

                  在21世紀20年代,自動駕駛開發者面臨的主要挑戰大致如下:

                  測試:像往常一樣,開發者要證明自己的系統是安全的,這對開發者自己、律師、公眾乃至政府來說仍然是最大的挑戰。

                  預測:能夠更好地預測其它道路(或附近)使用者即將做什么。

                  感知:對于那些依靠計算機視覺的系統來說,路面中的任何事物都不能錯過。對于那些依靠激光雷達的系統來說,遠處的障礙物和路上的小碎片識別也要做得更好。

                  傳感器:多家公司正努力實現低成本、可靠的激光雷達的承諾。

                  監管:更多的地方需要放開自動駕駛運營。ADAS和監督系統需要戰勝用戶的“自動駕駛自滿”。(本文內容編譯自:Forbes,圖片來自:Getty,Brad?Templeton?)

                  本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

                  自動駕駛技術有什么優點?要如何發展?

                  自動駕駛汽車的優勢:沒有交通堵塞。未來,無人駕駛汽車成功普及后,大城市的交通擁堵將消失。對于許多人來說,這每年可以節省40個小時。因為在大城市中,人們必須走在交通繁忙的地方。自動駕駛汽車可以自動同步交通狀況,盡快選擇一條更平坦的路線,由于人工智能設置,諸如汽油交通等不文明的狀況也將消失。減少事故。根據專家的計算,由于自動駕駛的普及,事故數量將減少約90%。因為人工智能將更加遵守交通規則,并且可以計算周圍行人的下一步行動。如果有人過馬路,他們的AI預測能力和駐車制動技能甚至可能超過老駕駛員。

                  犯罪率降低。未來還將在警車中使用人工智能。到那時,罪犯將無法擺脫對無人駕駛汽車的追逐。例如,如果罪犯也駕駛自動駕駛汽車,那么該汽車可以被警察遠程停車,或者該汽車可以被門窗擋住,然后直接送到派出所;當然,他們也可能駕駛普通汽車,但是自動駕駛汽車的人工智能計算能力以及實際上能夠定位地圖和路況的能力可以幫助警察更快地抓捕罪犯。更重要的是,將來幾乎很難找到這種車輛。

                  世界上最好的出租車。由于無人駕駛汽車的出現,出租車行業的駕駛員將失去工作,但是到那時,由于勞動力成本降低,出租車將變得更便宜。而且,人們僅通過使用移動電話就可以更換這種汽車以到達自己的位置。隨著自動駕駛測試的落地,該技術的應用日趨成熟,市場前景和想象空間進一步擴大。

                  交貨快捷。在一些大城市,平均等待食物的時間約為40至80分鐘。將來,許多食物將由無人駕駛汽車運送。這樣可以將等待時間減少一半。改善空間。由于自動駕駛汽車的便利性,房屋的空間將大大改善。許多房屋的停車位價格也將降低。因為人們不需要為了方便而在房屋附近購買或租用停車位。只需操作手機,就可以讓汽車提前到達您的位置,或者在將汽車交付到目的地后將汽車開到很遠的停車位。長途運輸??ㄜ囘\送司機擔心超速駕駛車票的日子會消失,而不必在路上花費數日甚至數周。因為幾乎所有的汽車都可以參與運輸,所以它們的交付速度會更快。

                  自動駕駛分幾類?L2/L3級自動駕駛有什么不同?看完總算明白了!

                  隨著汽車的發展,科技的進步,越來越多的高科技功能被用到汽車上,而自動駕駛則是未來汽車發展趨勢。以前,人們還在質疑自動駕駛究竟靠不靠譜,感覺自動駕駛離我們還很遠??v使有一起起自動駕駛導致的事故,但時代的車輪滾滾向前,屬于自動駕駛的時代終將到來。

                  大家看到目前車企宣傳的,能實現L2、L3級別的自動駕駛,究竟是什么意思呢?

                  首先,咱們在市面上常見的L0-L5級自動駕駛,這種自動駕駛登記的劃分,其實是SAE美國汽車工程師對于自動駕駛技術的分級。

                  L0級-無自動駕駛

                  L0級也就是沒有自動化技術,車輛駕駛完全靠駕駛員手工操作,無任何自動駕駛功能。

                  L1級-輔助駕駛

                  L1級自動駕駛在十年前就出現了,比如目前眾多車型都配備的定速巡航、車道保持、自動泊車等等。簡單來說駕駛主力還是駕駛員,L1級別的輔助駕駛會讓駕駛員在駕駛途中稍微輕松一點。

                  L2級-半自動駕駛

                  L2級別可以說是目前市面上大多數新車所搭載的自動駕駛系統,甚至很多十萬級別的自主品牌上都能夠達到L2級別自動駕駛。L2級自動駕駛具備許多自動駕駛車輛的雛形功能,例如全速段自動輔助駕駛、擁堵時自動輔助駕駛、自動危險預判剎車等功能,但更多時候,駕駛員仍需主導車輛行駛,只有在特定情況下,駕駛員雙手才可以暫時的離開方向盤。我們所熟知的特斯拉就是L2級別自動駕駛的典型代表,該車號稱能夠達到L2.5級自動駕駛水平。

                  L3級-有條件自動駕駛

                  在L3級別下,車輛可以實現絕大部分路況的自動駕駛,接管汽車一大部分駕駛功能。但是在L3階段,駕駛員仍需時刻保持注意力,以便在出現緊急情況時及時接管車輛。到了這一級別,駕駛員的重要性明顯降低了,只需要像考官盯住學生不要作弊一樣,隨時關注路況信息,防止汽車行車系統因遇到無法識別的路況而不知如何處理即可。新款奧迪A8——是全球首輛可以在公共道路上實現L3級別自動駕駛的車型。新款奧迪A8可實現60公里/小時以下的自動駕駛,包括啟動、加速、轉向、制動等。

                  L4級-高度自動駕駛

                  到了L4級自動駕駛,車內的自動化系統已經非常完善,車輛已經可以接替駕駛員的工作達到自動駕駛的水平,但如果駕駛員想親自開車,仍可以接管車輛。不夸張的說,坐在L4級別自動駕駛的汽車里,你已經可以安穩的睡覺了。

                  L5級-完全自動駕駛

                  L5級別的自動駕駛,也是各個汽車工業設計師心中的理想狀態,此級別的車輛,在任何天氣、任何地域均可以實現完全自動駕駛,甚至該級別的汽車將由“座駕”轉為“座艙”,讓你可以完全忽略駕駛情況,專心的在車內休息即可。

                  總結:

                  以上就是L0-L5級別自動駕駛的區分,看上去L4-L5級別還離我們很遠,但隨著汽車科技的發展,攻破一個又一個技術難關只是時間問題。有人對自動駕駛抱有疑慮,認為與其方向盤握在自己手中才踏實;也有人認為隨著科技的進步,未來自動駕駛一定會非常完善,安全隱患不足為慮。不知道你怎么看?

                  全球自動駕駛汽車硬件和軟件最新技術總結(2020)

                  進入到2020年,自動駕駛技術走到了需要規模商業化證明技術價值的時候。

                  不管是封閉或半封閉場景的礦區、港口和園區,還是公開道路的RoboTaxi、RoboTruck等,技術都是自動駕駛在不同場景商業化的基礎。

                  本報告覆蓋了自動駕駛汽車所需要的感知、定圖與定位、傳感器融合、機器學習方法、數據收集與處理、路徑規劃、自動駕駛架構、乘客體驗、自動駕駛車輛與外界交互、自動駕駛對汽車部件的挑戰(如功耗、尺寸、重量等)、通訊與連接(車路協同、云端管理平臺)等技術領域的討論,并且提供相應的各自動駕駛公司的實施案例。

                  本報告是由美國、中國、以色列、加拿大、英國等全球不同國家和地區的自動駕駛專家,針對自動駕駛技術的硬件和軟件技術,進行的全面闡述,方便各位讀者能夠從技術角度,了解最新的技術動態,從而全面了解自動駕駛汽車。

                  本報告的案例大多數來自汽車領域,這也是目前自動駕駛行業最火熱的應用場景,但是,服務個人出行的汽車并不是自動駕駛技術影響深遠的行業,其他的行業,如公共交通、貨運、農業、礦業等領域,也同樣是自動駕駛技術應用的廣泛天地。

                  各類傳感器,用于自動駕駛汽車感知環境,如同人類的眼睛,自動駕駛汽車的基礎部件;自動駕駛汽車的傳感器主要有五種,包括了:1、Long?range?RADAR;2、Camera;3、LIDAR;4、Short/Medium?range?RADAR;5、Ultrasound;

                  這些不同的傳感器,主要用于不同距離、不同類型的物體感知,為自動駕駛汽車判斷周邊環境,提供最重要的信息來源,另外,還有一個環境感知的信息來源是車路協同的來源,這點報告中也有闡述。

                  1、掃描范圍,確定必須對被感測的對象做出反應的時間;

                  2、分辨率,確定傳感器可以為自動駕駛車輛提供的環境細節;

                  3、視場或角度分辨率,確定要覆蓋、要感知的區域需要傳感器的數量;

                  4、刷新率,確定來自傳感器的信息更新的頻率;

                  5、感知對象數量,能夠區分3D中的靜態對象數量和動態對象數量,并且確定需要跟蹤的對象數量;

                  6、可靠性和準確性,傳感器在不同環境下的總體可靠性和準確性;

                  7、成本、大小和軟件兼容性,這是量產的技術條件之一;

                  8、生成的數據量,這決定了車載計算單元的計算量,現在傳感器偏向智能傳感器,也就是,不僅僅是感知,還會分辨信息,把對車輛行駛影響最重要的數據傳輸給車載計算單元,從而減少其計算負荷;

                  下面是Waymo、Volvo-Uber、Tesla的傳感器方案示意圖:

                  1、Tesla的傳感器,具有加熱功能,可抵御霜凍和霧氣;

                  2、Volvo的傳感器配備有噴水清潔系統,用于清潔粉塵;

                  3、Waymo使用的Chrysler?Pacifica的傳感器有噴水系統和刮水器。

                  02?SLAM和傳感器融合

                  SLAM是一個復雜的過程,因為本地化需要地圖,并且映射需要良好的位置估計。盡管長期以來人們一直認為機器人要成為自主的基本“雞或蛋”問題,但在1980年代和90年代中期的突破性研究從概念和理論上解決了SLAM。從那時起,已經開發了多種SLAM方法,其中大多數使用概率概念。

                  為了更準確地執行SLAM,傳感器融合開始發揮作用。傳感器融合是組合來自多個傳感器和數據庫的數據以獲得改進信息的過程。它是一個多級過程,處理數據的關聯,相關性和組合,與僅使用單個數據源相比,可以實現更便宜,更高質量或更多相關信息。

                  1、順序地,將驅動過程分解為分層管道的組件,每個步驟(傳感,定位,路徑規劃,運動控制)都由特定的軟件元素處理,管道的每個組件都將數據饋送到下一個;

                  2、基于深度學習的端到端解決方案,負責所有這些功能。

                  端到端(e2e)學習作為一種解決方案,可以解決自動駕駛汽車復雜AI系統所面臨的挑戰,因此越來越受到人們的關注。端到端(e2e)學習將迭代學習應用于整個復雜系統,并已在深度學習的背景下得到普及。

                  03?三種機器深度學習方法

                  當前,不同類型的機器學習算法被用于自動駕駛汽車中的不同應用。本質上,機器學習根據提供的一組訓練數據將一組輸入映射到一組輸出。1、卷積神經網絡(CNN);2、遞歸神經網絡(RNN);3、深度強化學習(DRL);是應用于自動駕駛的最常見的深度學習方法。

                  RNN——當處理諸如視頻之類的時間信息時,RNN是強大的工具。在這些網絡中,先前步驟的輸出作為輸入被饋送到網絡中,從而使信息和知識能夠持久存在于網絡中并被上下文化。

                  DRL——將深度學習(DL)和強化學習相結合。DRL方法使軟件定義的“代理”可以使用獎勵功能,在虛擬環境中學習最佳行動,以實現其目標。這些面向目標的算法學習如何實現目標,或如何在多個步驟中沿特定維度最大化。盡管前景廣闊,但DRL面臨的挑戰是設計用于駕駛車輛的正確獎勵功能。在自動駕駛汽車中,深度強化學習被認為仍處于早期階段。

                  這些方法不一定孤立地存在。例如,特斯拉(Tesla)等公司依靠混合形式,它們試圖一起使用多種方法來提高準確性并減少計算需求。

                  一次在多個任務上訓練網絡是深度學習中的常見做法,通常稱為多任務訓練?或輔助任務訓練。這是為了避免過度擬合,這是神經網絡的常見問題。當機器學習算法針對特定任務進行訓練時,它會變得非常專注于模仿它所訓練的數據,從而在嘗試進行內插或外推時其輸出變得不切實際。

                  通過在多個任務上訓練機器學習算法,網絡的核心將專注于發現對所有目的都有用的常規功能,而不是僅僅專注于一項任務。這可以使輸出對應用程序更加現實和有用。

                  本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

                  自動駕駛汽車總結的介紹就聊到這里吧,感謝你花時間閱讀本站內容,更多關于自動駕駛心得、自動駕駛汽車總結的信息別忘了在本站進行查找喔。

                  掃碼二維碼
                  精品一卡2卡三卡4卡乱码毛1,日本不卡网卡1卡2卡3,日韩综合一卡二卡三卡死四卡,无码一卡二卡三卡四卡,看片一卡二卡三卡 日本一卡2卡三卡4卡免费观看在线观看| 欧洲不卡1卡2卡三卡网站导航| 成年无码一区视频| 亚洲不卡一卡2卡三卡4卡5卡免费直播| 日韩一卡二卡三卡四卡无卡免费视频| 一品道一卡二卡三卡在线| 精品卡1卡2乱码免费| 一卡二卡三卡四卡无卡免费播放| 高清精品一区二区三区| 免费不卡视频一卡二卡| 卡一卡二卡三免费| 成片一卡2卡3卡4卡2021乱码在线观看| 成片中文字乱码卡一卡二| 成片一卡2卡三卡4卡 乱码| 高清一卡二卡三卡四| 高清一卡二卡三卡四卡免费视频| 精品一卡三卡四区一卡三卡| 欧洲一卡二卡≡卡四卡高清乱码| 欧洲卡一卡2卡3卡4卡在线观看| 毛1卡2卡3卡4卡免费| 一卡二卡三卡在线播放| 国产亚洲一卡2卡3卡四卡网站| 欧洲免费一卡三卡四卡| 一卡二卡≡卡四卡无卡高清| 一本二卡三卡四卡乱码| 成片一本二卡三卡四卡乱码| 日韩高清一卡二卡三卡四卡视频| 日韩一卡二卡三卡四卡无卡免费视频| 毛成片1卡2卡3卡| 成片一卡2卡三卡4卡 乱码| 成片一卡二卡三卡四卡观看| 国产亚洲一卡2卡三卡4卡乱码视频| 国产毛1卡2卡3卡4卡视| 毛成片1卡2卡3卡4卡图| 成片一卡2卡三卡4卡2021国色| 卡一卡二卡三免费视频成人用品| 一卡二卡三卡四卡视频版在线观看| 成片一卡二卡三新区入口| 精品一本二卡三卡四卡乱码| 欧美日韩卡一卡二卡三新区| 1卡2卡3卡4卡在线观看| 成片一卡2卡3卡4卡乱码在线| 欧美日韩一卡三卡四区一卡三卡| 欧洲一卡2卡3卡4卡乱码在线| 一卡二卡三卡不卡| 一卡二卡三卡四卡2021在线观看| 成人手卡一卡一卡二卡四卡| 国产亚洲一卡二卡三卡四卡| 免费一卡二卡三卡四卡| 卡一卡二卡三在线入口| 精品一卡2卡3卡4卡网站| 国产电影一卡二卡三卡四卡| 精品一卡2卡3卡4卡国色天香| 一卡二卡≡卡四卡在线高清免费| 成片一卡二卡3卡4卡| 国产手1卡2卡3卡4卡在线| 国产欧美一区二区三区不卡| 一卡二卡三卡四卡在线高清免费| 日韩一卡二卡3卡四卡2021免费视频| 欧洲一卡三卡四卡免费网站| 精品e本大道二卡三卡免费| e本大道一卡二卡三卡四卡在线观看| 成片e本大道二卡三卡免费| 国产亚洲一卡2卡三卡4卡 乱码| 一卡二卡三卡四卡网址| 国产一卡二卡三卡四卡免费观在线| 一卡二卡三卡四卡在线| 国产成人一区二区三区| 国产精品福利在线观看无码卡一| 日韩一卡二卡3卡四卡2021免费视频| 一卡二卡三卡免费看| 欧洲一卡一卡高清在线观看| 2021国产精品一卡2卡三卡4卡| 国产亚洲AV一卡2卡三卡4卡幕| 欧美日韩一卡二卡3卡4卡| 一本大道一卡二卡三卡?视频| 成片卡1卡2卡三卡2021| 成片一卡2卡3卡4卡2021乱码在线观看| 欧美日韩一卡2卡3卡4卡国色天香| 欧美一卡二卡三卡免费版| 欧美日韩一本二卡三卡四卡无卡免费高| 国色天香一卡2卡三卡4卡| 国产一卡二卡三卡四卡免费| 欧洲一本到卡二卡三卡| 欧洲乱码1卡2卡3卡4卡| 欧洲2020卡二卡三卡四乱码| 欧洲一卡2卡3卡4卡5卡视频| e本大道一卡二卡三| 一本二卡三卡四卡乱码娱乐网| 欧美日韩一卡2卡3卡4卡5卡在线| 国产丝袜无码一区二区视频| 成片一卡二卡≡卡四卡在线视频| 欧洲卡1卡2卡三卡2021| 成片一卡二卡≡卡四卡免费视频| 中日韩一卡2卡三卡4卡在线| 精品一卡二卡三卡四卡网站| 成片一卡2卡3卡4卡乱码网站导航| 一卡二卡三卡四卡高清在线观看| 日本大道一卡2卡三卡4卡| 精品2021卡一卡二乱码| 乱卡日本一卡二卡三卡四卡兔| 毛一卡二卡三卡四卡| 亚洲精品一卡2卡三卡4卡高清| 高清一卡二卡三卡四卡视频在线观看| 毛日本一卡二卡三卡四卡免费| 一区二区三区芒果| 欧洲一卡2卡三卡4卡乱码理论| 精品不卡一卡2卡三卡4卡5卡| 成片一卡二卡三乱码免费天美传媒在线| 2021亚洲精品1卡2卡3卡| 国产亚洲一本二卡三卡四卡无卡免费高| 国内一卡二卡三卡在线观看| 精品一卡2卡3卡4卡网站动漫| 亚洲一卡2卡三卡4卡乱码| 成片卡一卡二卡三| 精品1卡二卡三卡4卡| 国产高清一卡二卡三卡四卡视频| 欧洲2021一卡2卡3卡4卡| 欧美日韩一卡2卡3卡4卡| 2021一本大道一卡二卡三卡免费| 一卡二卡≡卡四卡在线高清乱码| 欧洲中文字乱码卡一卡二| 欧美日韩一卡2卡3卡4卡5卡在线|