基于图形的成像模拟技术能利用光线追踪算法提供真实感极佳的图像,既可以对光学成像设备在各种应用条件下的目标获取进行预测和评估,也可以为图像质量评估、图像处理算法验证、目标识别训练等许多领域提供试验数据,有广泛的应用背景。然而光线追踪算法在产生高真实度图像的同时也因为巨大的计算量而无法在CPU上实现实时化。本文利用GPU的高度并行化特点对光线追踪算法进行加速,根据CUDA优势与限制进行适应性改造,设计并实现了一个SIMT并行架构下的光线追踪算法框架。为了进一步提高场景渲染速率,本文采用KD树对场景进行分割,在对当前流行的适用于GPU上的KD树进行综合比较的基础上本文引入了一个线索化KD树遍历算法,有效地降低了场景渲染时间。在场景表达上,本文选取了3DS模型作为系统场景的载体,并将场景内元素转换成适用于GPU的组织格式。最后,本文采用模块化的方式基于分层组织的思想设计了一个通用、可扩展的光线追踪系统,为以后基于CUDA的成像模拟技术实时性研究提供了一个基础框架。