[pt] Um dos principais desafios em algoritmos de visualização volumétrica é calcular a integral volumétrica de maneira eficiente, mantendo uma precisão mínima adequada. Geralmente, métodos de integração numérica utilizam passos de tamanho constante, não incluindo nenhuma estratégia de controle numérico. Como uma possível solução, métodos numéricos adaptativos podem ser utilizados, pois conseguem adaptar o tamanho do passo de integração dada uma tolerância de erro pré-definida. Em CPU, os algoritmos adaptativos de integração numérica são, normalmente, implementados recursivamente. Já em GPU, é desejável eliminar implementações recursivas. O presente trabalho propõe um algoritmo adaptativo e iterativo para a avaliação da integral volumétrica em malhas regulares, apresentando soluções para manter o controle do passo da integral interna e externa. Os resultados do trabalho buscaram comparar a precisão e eficiência do método proposto com o modelo de integração com passo de tamanho constante, utilizando a soma de Riemann. Verificou-se que o algoritmo proposto gerou resultados precisos, com desempenho competitivo. As comparações foram feitas em CPU e GPU. / [en] One of the main challenges in volume rendering algorithms is how to compute the Volume Rendering Integral accurately, while maintaining good performance. Commonly, numerical methods use equidistant samples to approximate the integral and do not include any error estimation strategy to control accuracy. As a solution, adaptive numerical methods can be used, because they can adapt the step size of the integration according to an estimated numerical error. On CPU, adaptive integration algorithms are usually implemented recursively. On GPU, however, it is desirable to eliminate recursive algorithms. In this work, an adaptive and iterative integration strategy is presented to evaluate the volume rendering integral for regular volumes, maintaining the control of the step size for both internal and external integrals. A set of computational experiments were made comparing both accuracy and efficiency against the Riemann summation with uniform step size. The proposed algorithm generates accurate results, with competitive performance. The comparisons were made using both CPU and GPU implementations.