La exploración autónoma en entornos desconocidos sigue siendo un problema desafiante para los UAV. Este documento propone un marco de planificación de exploración jerárquica que aprovecha explícitamente el conocimiento previo adquirido en tiempo real para mejorar la eficiencia de la exploración. Para representar de manera eficiente la información estructural incrustada en el conocimiento previo, se diseñan dos estructuras de mapa, a saber, el mapa cuasi-previo y el mapa hibrido-topo, que permiten una partición del espacio más razonable y facilitan la planificación de la exploración. Posteriormente, basado en el mapa hibrido-topo, el planificador de exploración jerárquica calcula una guía de exploración global que proporciona un orden de recorrido eficiente sobre todas las regiones no exploradas. El problema de cobertura local en regiones desconocidas se formula como un problema de vendedor viajero de cobertura (CTSP), donde se explota la información de visibilidad derivada del mapa hibrido-topo para optimizar las secuencias de puntos de vista locales con alta eficiencia de cobertura. Finalmente, se propone una estrategia de planificación de trayectoria a largo plazo para mantener una alta velocidad de vuelo mientras se asegura la seguridad y la viabilidad dinámica. Las simulaciones demuestran que el marco propuesto supera significativamente a los métodos de exploración de última generación en términos de eficiencia de exploración, mientras que los estudios de ablación validan aún más la efectividad de cada módulo. Se realizan experimentos en el mundo real para confirmar la capacidad práctica del enfoque propuesto.