随着多核技术的发展,越来越多的研究人员开始关注和着手多核技术的研究与应用。在多核技术中,多核处理器和众核处理器(GPU可以看作众核处理器的一种)越来越受到研究人员的关注和利用。随着GPU计算能力和可编程能力的提高,已经成为高性价比的并行计算协处理器,特别适于密集的、高并行的通用计算。研究人员开始把各种基于CPU的密集计算引入到GPU上,利用GPU巨大的运算能力来加速计算过程。在计算机图形中,光线跟踪算法作为生成真实感图像的重要方法,广泛应用在电影娱乐等行业。由于光线跟踪本身具有高度并行化的条件,因此,利用GPU加速光线跟踪算法已成为一种趋势。本文首先分别在CPU、GPU以及异构多核三种平台上构建光线跟踪算法的加速结构KD-tree,并证明异构多核平台更加适合构建KD-tree加速结构。其次在异构多核平台上实现完全重建动态光线跟踪算法以及分析其适应范围。最后提出两种动态光线跟踪算法以及分析其适应范围。本文的主要内容如下:1)研究了光线跟踪的基本原理和流程,选择合适的加速结构,在支持CUDA的GPU上构建了光线跟踪模型系统。2)分别在CPU、GPU以及异构多核三种平台上构建加速结构KD-tree;通过测试不同静态三维场景,证明在异构多核平台构建的KD-tree的效果最好。3)在研究并实现了完全重建动态光线跟踪算法之后,提出了部分重建动态光线跟踪和光线坐标变换动态光线跟踪算法。并对这三种动态光线跟踪算法的优缺点和在异构多核平台上实现的性能进行了分析比较。