La fusión de imágenes infrarrojas-visibles (IR-VIS) se está convirtiendo en un aspecto central de la percepción de vehículos aéreos no tripulados (UAV), lo que permite una operación robusta a través de ciclos día-noche, contraluz, neblina o humo, y grandes cambios de perspectiva o escala. Sin embargo, para aplicaciones prácticas, aún quedan algunos desafíos: las imágenes visibles son sensibles a la iluminación; la imagen infrarroja sufre de cruce térmico y textura débil; el movimiento y el paralaje causan desalineación entre modalidades; las escenas de UAV contienen muchos objetivos pequeños o rápidos; y las plataformas a bordo enfrentan estrictos presupuestos de latencia, energía y ancho de banda. Dado estos desafíos y limitaciones específicos de los UAV, proporcionamos una síntesis centrada en UAV de la fusión IR-VIS. Proponemos: (i) una taxonomía que vincula la compatibilidad de datos, los mecanismos de fusión y la adaptabilidad a tareas; (ii) una revisión crítica de métodos basados en aprendizaje, incluidos autoencoders, CNNs, GANs, Transformers y paradigmas emergentes; (iii) una comparación de estrategias de registro explícitas/implícitas y marcos de fusión de propósito general; y (iv) una consolidación de conjuntos de datos y métricas de evaluación para revelar brechas específicas de UAV. Además, identificamos desafíos abiertos en la evaluación comparativa, métricas, diseño ligero e integración con detección, segmentación y seguimiento posteriores, ofreciendo orientación para el despliegue en el mundo real. Se proporciona y discute una bibliografía y recursos actualizados continuamente en el texto principal.