Este artículo presenta un nuevo enfoque de navegación autónoma que es capaz de aumentar la exploración del mapa y la precisión mientras minimiza la distancia recorrida para los aterrizajes autónomos de drones. Para el mapeo del terreno, se propone un mapa de elevación esparcido probabilístico para representar la precisión de las mediciones y permitir el aumento de la calidad del mapa al aplicar continuamente nuevas mediciones con inferencia bayesiana. Para la exploración, se propone el planificador Quality-Aware Best View (QABV) para la navegación autónoma con un enfoque dual: exploración del mapa y calidad. Los caminos generados permiten visitar puntos de vista que proporcionan nuevas mediciones para explorar el mapa propuesto y aumentar su calidad. Para reducir la distancia recorrida, manejamos la información del costo del camino en el marco de la teoría de control para ajustar dinámicamente el costo del camino al visitar un punto de vista. Los métodos propuestos manejan el planificador QABV como un sistema a controlar y regulan la contribución de información de los caminos generados. Como resultado, el costo del camino se incrementa para reducir la distancia recorrida o se disminuye para escapar de un área de baja información y evitar quedar atrapado. La utilidad del enfoque propuesto de mapeo y exploración se evalúa en estudios de simulación detallados que incluyen un escenario del mundo real para un dron de entrega de paquetes.