[NeRF]部分代码实现

声明：该本文代码与官方代码有差距，仅作个人练习之用。

part 1. viewing direction转3D Cartesian unit vector

In paper：In practice, we express direction as a 3D Cartesian unit vector d.
暂时没有了解过OpenGL等库，因此暂且参考数学上的正方向。（曲线曲面积分中的那种正方向）
根据论文，viewing direction 只有theta,psi，要将其变成三维地卡尔系，应该还差一个维度。
但论文中将数据进行了标准化，根据此推出第三维度默认长度。此点与论文可能有出入。
保留从底部观看的可能。
约定0度起点为x轴正方向。

仔细研究了一下三角函数的定义，这样写应该没问题，比我最初构思的版本简单得多。

def dir2Cartesian_unit(theta,psi):

    x = torch.cos(torch.tensor(theta))
    y = torch.sin(torch.tensor(theta))
    z = torch.sin(torch.tensor(psi))
    
    return [x,y,z]
    

part2. Positional encoding

对论文中描述的volume rendering techniques还不太了解，
但是论文中提到：

1. this process is naturally differentiable
2. the RGB color c to be predicted as a function of both location and viewing direction.

直觉上主观猜测将来需要对Positional code进行反向传播，故暂且写成nn.model的子类，后面看情况，如果在这个类里写不了，可能会通过二次继承或者把这个功能摘出来。

part1放在一起比较合适，编都编辑好了，就不改了吧。

假设输入数据已由part1 处理好，形如(（x,y,z）,(x1,y1,z1) )

# Psitional Encoding
class posEncode(nn.Module):
    def mapping(self,x,in_list,L):
        for i in range(L):
            in_list.append(torch.sin(torch.tensor((2**i)*np.pi*x)))
            in_list.append(torch.cos(torch.tensor((2**i)*np.pi*x)))
        
    
    def __init__(self, in_postion, L=10):
        #假设输入数据 in_postion 已由part1 处理好，形如(（x,y,z）,(x1,y1,z1) )
        #L就是论文里的L
        super(posEncode, self).__init__()
        self.L=10
         # In paper: In our experiments, we set L = 10 for γ(x) and L = 4 for γ(d).     
        self.pos=[]
        for i in in_postion:
            for j in i:
                self.mapping(j,self.pos,self.L)           
            self.L=4
        self.pos = torch.FloatTensor(self.pos)

   
    def forward(self, x):
        pass