Los drones multirrotor desempeñan un papel cada vez más significativo en las ciudades inteligentes y se encuentran entre las tecnologías emergentes más discutidas. Se espera que apoyen diversas aplicaciones como la entrega de paquetes, la recolección de datos, la vigilancia del tráfico, la vigilancia y la medicina. Como parte de sus servicios, los drones del futuro deberían ser capaces de resolver el desafío de la última milla y aterrizar de manera segura en áreas urbanas. Este documento aborda la tarea de planificación de rutas para un dron autónomo que busca un lugar de aterrizaje en un entorno urbano. Nuestro algoritmo utiliza un enfoque probabilístico de multi-resolución novedoso en el que la información visual es recolectada por el dron a altitudes decrecientes. Como parte de la tarea de exploración, presentamos el problema de Planificación de Rutas Global (GPP), que utiliza información probabilística y el campo de visión de la cámara para planificar trayectorias seguras que maximicen el éxito de la búsqueda cubriendo áreas con alto potencial para un aterrizaje adecuado, mientras se evitan zonas de no vuelo y se cumplen las restricciones de tiempo. El problema GPP se formula como un problema de minimización y luego se demuestra que es NP-difícil. Como base, desarrollamos un algoritmo de aproximación basado en una búsqueda exhaustiva, y luego ideamos un algoritmo heurístico más complejo pero eficiente para resolver el problema. Finalmente, evaluamos el rendimiento de los algoritmos utilizando experimentos de simulación. Los resultados de simulación obtenidos de varios escenarios muestran que el algoritmo heurístico propuesto reduce significativamente el tiempo de computación mientras mantiene el rendimiento de cobertura cerca de la línea base. Hasta donde sabemos, este es el primer trabajo que se refiere a un enfoque de multi-resolución para tales misiones de búsqueda; además, en particular, el problema GPP no se ha abordado previamente.