计算机图形学历经三十多年发展,其理论研究和应用实践都取得了巨大进步,在医疗医药、工业应用、国防建设、建筑规划、传媒娱乐、科研教育等领域应用广泛。近年来,计算机图形学研究和应用呈现模型复杂度急剧增大、场景对象属性愈加复杂、绘制真实感要求更高、显示分辨率呈数量级递增等特点。这些特点,加上绘制实时性要求,最终反映为追求图形绘制性能的提高。自二十世纪九十年代以来,单机图形处理器性能快速提高,并行图形绘制技术蓬勃发展,各种软件绘制加速技术不断涌现,成为提高图形绘制性能的三个主流方向。目前大多数软件绘制加速技术多为单机应用设计,无法直接移植到分布式并行绘制环境中。然而随着对绘制性能要求的不断提高,集成多种软硬件快速绘制技术成为构建高性能图形绘制平台的必然选择。本文紧密结合分布式并行环境的特点,对可见性剔除、多分辨率建模与绘制、存储访问优化和系统集成技术展开了研究,提出了适合于分布式并行绘制环境的软件绘制加速算法,完成了与已有并行绘制系统和分布式仿真系统的集成。集成系统支持大屏幕多屏拼接显示,支持漫游、仿真等多种上层应用,支持大型网格模型和大规模虚拟场景的实时绘制。本文的创新工作主要体现在以下四个方面。首先,通过对可见性时空连贯性的分析,提出了基于预测的遮挡剔除算法。该算法利用可见性时空连贯性对场景可见性状态进行预测,并结合硬件遮挡查询功能,能有效减少遮挡查询次数,隐藏遮挡查询延时,对深度复杂性较大场景的遮挡剔除效率可达70%以上,遮挡查询数量最多可减少50%。在此基础上,提出了数据并行和功能并行两种并行遮挡剔除策略。数据并行遮挡剔除将遮挡查询分布到不同集群节点并行执行,功能并行遮挡剔除利用集群节点组成并行遮挡剔除流水线。本文算法能有效提高遮挡剔除速度,在32个节点PC集群环境下,并行遮挡剔除相比于单机遮挡剔除的最大加速比可达15:1。其次,针对大型网格模型简化和多分辨率构建时间太长这一问题,研究了基于PC集群的并行网格简化和并行多分辨率构建技术。提出了基于网格分割和基于流式处理两种并行简化方法,通过将子网格或网格流分布到不同PC节点执行并行简化,在24个节点PC集群环境下,简化速度最大可达单机简化速度的19倍。针对基于顶点聚类的多分辨率表示方法,提出了子树分割、子树多分辨率并行构建和子树合并的并行多分辨率构建方法,其性能明显优于单机构建。提出了基于基准测试的资源管理和动态任务管理机制,能有效实现并行简化和并行多分辨率构建过程中的负载平衡。再次,对PC集群环境下的存储访问优化技术进行了研究。针对大规模虚拟场景并行绘制系统通常采用保留模式这一特点,提出了基于优先权的统一外存数据管理框架。该框架采用数据调度策略和数据调度机制分离方式,将数据调度策略转化为调度请求优先权的计算,统一数据读取、数据预取和数据撤消请求的处理和执行到同一框架下,简化了不同应用管理内外存数据的复杂度。提出了一种基于三角形排布的缓存优化算法,采用直接与平均缓存失配率相关的代价度量对三角形序列进行重排,在保证优化质量的情况下,简化了代价度量计算量。本文算法的缓存优化性能与前人最好结果相当,但优化速度快一个数量级以上。最后,对软件绘制加速算法与并行绘制系统和分布式仿真系统的集成技术进行了研究,提出了以场景数据组织框架为核心的集成方法。本文的场景数据组织框架用于表示和组织逻辑对象、几何数据、层次结构等多种数据类型,采用抽象数据结构和统一接口函数方式,将集成组件与数据结构分离,简化了系统集成的复杂度,提高了核心数据结构的可重用性和可扩展性。该框架支持场景数据动态保留模式以及多种数据视图和层次结构,支持并行绘制系统的任务划分和负载平衡,支持并行绘制绘制系统与分布式仿真系统的高效数据交换。两个集成实例展示了本文基于场景数据组织框架系统集成方法的有效性。