Como requisito previo para la conducción autónoma, la comprensión de escenas ha atraído una extensa investigación. Con el surgimiento de la técnica de aprendizaje profundo basada en redes neuronales convolucionales (CNN), la investigación sobre la comprensión de escenas ha logrado un progreso significativo. Este documento tiene como objetivo proporcionar una encuesta exhaustiva de enfoques basados en aprendizaje profundo para la comprensión de escenas en la conducción autónoma. Categorizamos estos trabajos en cuatro corrientes de trabajo, incluyendo la detección de objetos, la segmentación semántica completa de la escena, la segmentación de instancias y la segmentación de líneas de carril. Discutimos y analizamos estos trabajos según sus características, ventajas y desventajas, y marcos básicos. También resumimos los conjuntos de datos de referencia y los criterios de evaluación utilizados en la comunidad de investigación y realizamos una comparación de rendimiento de algunos de los trabajos más recientes. Por último, resumimos el trabajo de revisión y proporcionamos una discusión sobre los desafíos futuros del dominio de la investigación.