La exploración autónoma de entornos desconocidos es un problema desafiante en aplicaciones robóticas, especialmente en entornos a gran escala. A medida que aumenta el tamaño del entorno, los recursos limitados a bordo del robot apenas satisfacen la sobrecarga de memoria y los requisitos computacionales. Como resultado, es difícil responder rápidamente a los datos de los sensores recibidos, lo que resulta en una planificación de exploración ineficiente. Además, es complicado utilizar de manera integral la información ambiental recopilada para la planificación, lo que conduce a rutas de exploración de baja calidad. En este artículo, se propone un marco sistemático diseñado para vehículos aéreos no tripulados que permite explorar de manera autónoma entornos desconocidos a gran escala. Para reducir el consumo de memoria, se introduce una nueva representación ambiental de bajo consumo que solo mantiene la información necesaria para la exploración. Además, se desarrolla un enfoque de exploración jerárquico basado en la representación ambiental propuesta para permitir una planificación rápida y una exploración eficiente. Amplias pruebas de simulación demuestran la superioridad del método propuesto sobre los métodos actuales de vanguardia en términos de consumo de memoria, tiempo de computación y eficiencia de exploración. Además, dos experimentos en el mundo real realizados en diferentes entornos a gran escala también validan la viabilidad de nuestro sistema de exploración autónoma.