汽車工程師使用MATLAB®和Simulink®來設計自動駕駛系統功能，包括感測、路徑規劃、感測器融合與控制。藉由MATLAB和Simulink的協助，你可以：
MATLAB提供用於電腦視覺、光學雷達(lidar)處理、雷達、及感測器融合的預建立的演算法和感測器模型。你可以使用比如點和擴展物件追蹤器等各種追蹤、資料關聯的技巧，來執行感測器融合。你還可以模擬從IMU/GPS感測器來的量測結果，並且設計融合與定位演算法來估算車輛位置與方向。
使用深度學習和機器學習開發演算法，以進行行人偵測、車道偵測和可行駛路徑估計。
使用地面實況標記(Ground Truth Labeling) app，透過地面實況資料與演算法輸出的比對來測試感知系統性能。
為自動緊急煞車 (AEB)、車道維持輔助 (LKA)、自動巡航控制 (ACC) 和自動泊車服務等自動駕駛功能開發控制器。使用針對 ACC、LKA 和障礙規避等場景的預建功能和模塊，為自動駕駛應用設計專門的模型預測控制器。
建立測試場景，使用來自雷達和攝影機感測器模型的合成檢測結果來測試自動駕駛演算法。使用 Driving Scenario Designer app來定義道路網路、參與者(actor)和感測器。導入預建立的 EURO NCAP 測試和 OpenDRIVE® 道路網路。
你可以使用車輛代價地圖(costmap)和動作規劃演算法來規劃駕駛路徑。你也可以透過ROS工具箱( ROS Toolbox™)提供的介面來使用ROS中的路徑規劃技術。使用來自IMU和GPS感測器的資料估計車輛位置和方向。
你可以使用 Driving Scenario Designer app測試自動駕駛演算法，這一個app支援建立場景和載入預建立場景，包括 EuroNCAP。從雷達和攝影機統計模型產生偵測結果，並以MATLAB或Simulink進行輸出值分析。
使用參考應用和3D環境為 ADAS 和自動駕駛功能開發虛擬測試路況。車輛模型附帶虛擬攝影機，可在模擬過程中將影像傳送回Simulink。在Simulink中分析訊號以測試車道偵測演算法。在“虛幻”引擎 (Unreal Engine，UE) 編輯器中自訂場景，從而更加靈活地創建和模擬場景，以全面演練ADAS和自動駕駛功能。
