目前,光线跟踪算法是当今图像合成中最流行、最强大的技术之一,该算法简单、优雅、易于实现。尽管光线跟踪算法可以模拟真实的光路和成像过程,然而现实世界的某些效果光线跟踪算法处理的不好(或者说一点也不好)。光线追踪算法不能模拟全局光照中的很多情况,比如说漫反射等。而光子映射算法正好可以弥补光线跟踪算法的缺陷。光子映射算法可以很好的模拟漫反射辉映、焦散等全局光照效果。不仅如此,光子映射算法也可以高效计算参与性介质中的光照效果。该算法也可以用于渲染包含很复杂的物体的场景,其不限于细分模型。此外,该算法也能够处理基于镜面反射、漫反射、和非漫反射获得的高级材质。更重要的是,该方法实现简单,易于实验。因此,光子映射算法是光线跟踪算法的一个改进。但是对于室内大场景来说,内存限制和渲染时间过长仍然是很难克服的问题。尽管研究者们提供了能够以交互帧速率绘制数以亿计的三角形的方法[1],但是计算时间和内存瓶颈依然是很大的挑战。对于大场景来说,很多研究者都是通过二分空间划分法(Binary space partition)将场景划分为多个部分[2],将该场景加载多个节点中,通过这种方式来解决场景加载时的内存瓶颈。划分后的每个单元之间插入portal以便于节点与节点之间的通信。场景划分后,使用多个节点分布式加载场景,每个节点内部生成对应子区域的光子图,就可以解决光子存储瓶颈问题。而且,多个节点同时渲染,最后由master节点负责将多个节点的渲染结果整合成一张图片。在这种情况下,节点之间的任务均衡问题变得尤为重要。本文提出了一种基于多边形空间划分虚拟门户(portal)的分布式光子映射算法。该算法为了处理展馆类型的室内大规模场景,首先将展馆室内场景二维平面图外轮廓多边形划分成多个子多边形,并在分割线上插入虚拟portal以便暂存光子。每个节点只加载对应子多边形中的场景,并生成存储该区域范围内的光子图,从而解决了大规模场景的光子存储瓶颈。此外,使用该基于室内场景外轮廓多边形的空间划分方式使划分后的子场景面积大约相等且分割线长度的总和最短。由于场景内物体摆放是均匀的,所以等面积保证节点之间的任务加载更加均衡。划分场景的分割线总长度最短的情况下,在相同高度下的portal的表面积总和就会最小,保证节点之间的数据传输最少。在基于分布式光子图的全局光照绘制阶段,本文使用overlapped k-d树解决分割线边界附近着色点的光子收集问题,从而保持绘制结果的光照一致性和连贯性。实验结果表明,本文方法在场景复杂度提升和节点规模扩大时,相较于传统的基于k-d树的场景划分方式,均可以达到更高的并行效率。