Como parte esencial de la inteligencia artificial, un grafo de conocimiento describe las entidades del mundo real, los conceptos y sus diversas relaciones semánticas de manera estructurada y se ha popularizado gradualmente en una variedad de escenarios prácticos. La mayoría de los grafos de conocimiento existentes se centran principalmente en organizar y gestionar conocimientos textuales en una representación estructurada, prestando poca atención a los recursos multimodales (por ejemplo, imágenes y videos), que pueden servir como base para la percepción de datos del mundo real por parte de la máquina. Con este fin, en esta encuesta, revisamos exhaustivamente los avances relacionados de los grafos de conocimiento multimodales, abarcando la construcción, completación y aplicaciones típicas de los grafos de conocimiento multimodales. Para la construcción, esbozamos los métodos de reconocimiento de entidades nombradas, extracción de relaciones y extracción de eventos. Para la completación, discutimos el aprendizaje de representaciones de grafos de conocimiento multimodales y la vinculación de entidades. Finalmente, se resumen las aplicaciones principales de los grafos de conocimiento multimodales en diversos dominios.