Las inspecciones visuales de las superficies exteriores de las aeronaves son necesarias en las rutinas de mantenimiento de aeronaves para identificar posibles defectos como abolladuras, grietas, fugas, piezas rotas o faltantes, etc. Este proceso consume mucho tiempo y también es propenso a errores si se realiza manualmente. Por lo tanto, se ha convertido en una tendencia utilizar robots móviles equipados con sensores visuales para realizar inspecciones automatizadas. Para tal inspección robótica, generalmente se requiere un modelo digital de la aeronave para planificar la trayectoria del robot, pero un modelo CAD de toda la aeronave suele ser inaccesible para la mayoría de los talleres de mantenimiento. Generar un modelo digital preciso de una aeronave, o incluso de una gran parte de ella, es muy laborioso y consume mucho tiempo, ya que el trabajo de escaneo aún debe realizarse manualmente o mediante un sistema robótico controlado manualmente. Este documento presenta un enfoque de dos etapas para automatizar el escaneo de aeronaves con un vehículo aéreo no tripulado (VANT) o dron autónomo equipado con una cámara de rojo-verde-azul y profundidad (RGB-D) para una inspección detallada o para reconstruir una réplica digital de la aeronave cuando su modelo CAD original no está disponible. En la primera etapa, el sistema UAV-cámara sigue una trayectoria predefinida lejos de la superficie de la aeronave (por seguridad) para escanear rápidamente la aeronave y generar un modelo burdo de la misma. Luego, se calcula una trayectoria de escaneo óptima (mucho más cerca de la superficie) en el sentido de la distancia de vuelo más corta para una cobertura completa, basada en el modelo burdo. En la segunda etapa, el sistema UAV-cámara sigue la trayectoria calculada para inspeccionar de cerca la superficie en busca de posibles defectos o escanear la superficie para generar un modelo denso y preciso de la aeronave. Resolvímos el problema de planificación de trayectoria de cobertura (CPP) para la inspección o escaneo de aeronaves utilizando un algoritmo de búsqueda de árbol de Monte Carlo (MCTS). También implementamos la estrategia del sistema de hormigas max-min (MMAS) para demostrar la efectividad de nuestro enfoque. Realizamos un experimento digital y los resultados mostraron que nuestro enfoque puede escanear el 70% de la superficie de la aeronave en una hora, lo que es mucho más eficiente que el escaneo manual.