En entornos de vehículos aéreos no tripulados (UAV) a gran escala y tareas, particularmente aquellos que involucran obstáculos, la explosión dimensional sigue siendo un desafío significativo en la Asignación de Tareas Multi-Robot (MRTA). Con este fin, se propone un nuevo marco heurístico de MRTA basado en la Construcción de Grafos Topológicos (TGC). Primero, el mapa físico se transforma en un mapa de píxeles, del cual se genera un Grafo Voronoi Generalizado (GVG) extrayendo puntos de despeje, que luego se utiliza para construir el grafo topológico del entorno con obstáculos. A continuación, se determinan las afiliaciones de los UAV y las tareas dentro del grafo topológico para particionar diferentes regiones topológicas, y se calcula el valor de tarea de cada nodo topológico, seguido de la Asignación de Tareas (TA) de primera fase en estos nodos topológicos. Finalmente, los UAV dentro de la misma región topológica con sus tareas asignadas realizan una TA local de segunda fase y generan el resultado final de TA. Los experimentos de simulación analizan la influencia de diferentes resoluciones de píxeles en el rendimiento del método propuesto. Posteriormente, los experimentos de robustez bajo ruido de localización, ruido de costo de camino y retrasos en la comunicación demuestran que el beneficio total logrado por el método propuesto se mantiene relativamente estable, mientras que el tiempo de computación se ve moderadamente afectado. Además, se realizaron experimentos comparativos y análisis estadísticos contra métodos de MRTA basados en agrupamiento k-means en diferentes entornos de escala de UAV, tareas y obstáculos. Los resultados muestran que el método propuesto mejora la velocidad de computación mientras mantiene la calidad de la solución, con el método basado en PI logrando aceleraciones de más de 60 veces y el método basado en CBBA más de 10 veces en comparación con el método base.