Con el auge de los enfoques de Deep Learning en aplicaciones de visión por computadora, se han logrado avances significativos hacia la autonomía vehicular. La actividad de investigación en navegación autónoma de drones ha aumentado rápidamente en los últimos cinco años, y los drones se están moviendo rápidamente hacia el objetivo final de una autonomía casi completa. Sin embargo, aunque gran parte del trabajo en el área se centra en tareas específicas en la navegación de drones, la contribución al objetivo general de autonomía a menudo no se evalúa, y se necesita una visión general completa. En este trabajo, se establece una taxonomía de la autonomía en la navegación de drones al mapear las definiciones de los niveles de autonomía vehicular, tal como lo define la Sociedad de Ingenieros Automotrices, a tareas específicas de drones con el fin de crear una definición clara de autonomía cuando se aplica a drones. Se realiza un examen de arriba hacia abajo del trabajo de investigación en el área, centrándose en las tareas de navegación de drones, para entender la extensión de la actividad de investigación en cada área. Los niveles de autonomía se verifican en relación con las tareas de navegación de drones abordadas en cada trabajo para proporcionar un marco para entender la trayectoria de la investigación actual. Este trabajo sirve como una guía para la investigación en autonomía de drones con un enfoque particular en soluciones basadas en Deep Learning, indicando trabajos clave y áreas de oportunidad para el desarrollo de esta área en el futuro.