在智能驾驶系统的开发中，常用的编程语言包括：

C++：

C++是一种高效且通用的编程语言，适用于需要高性能计算和硬件控制的场景。在智能驾驶中，C++常用于开发核心算法、处理传感器数据、环境感知、路径规划、控制指令等。由于其高性能和低延迟的特点，C++非常适合实时系统和高性能计算任务。

Python：

Python是一种易学易用的编程语言，拥有丰富的库和框架，适用于数据处理、机器学习和人工智能等任务。在智能驾驶中，Python常用于开发机器学习算法、数据分析、图像识别、目标检测和路线规划等关键任务。Python的简洁语法和丰富的科学计算库（如TensorFlow和PyTorch）使其成为快速原型开发和脚本操作的理想选择。

MATLAB：

MATLAB是一种专门用于科学计算和数据分析的编程语言，广泛应用于智能驾驶领域的算法开发、模拟仿真和数据分析。MATLAB提供了丰富的工具箱和函数库，方便开发者进行模型设计和仿真。在智能驾驶中，MATLAB常用于图像处理、数据可视化、控制系统设计等。

Java：

Java是一种跨平台的编程语言，具有良好的可移植性和可扩展性，适用于构建分布式系统和大规模软件。在智能驾驶中，Java常用于开发驾驶系统的应用程序、服务端后端开发、并发编程等。

Lua：

Lua是一种轻量级的脚本语言，常用于编写智能驾驶系统中的控制逻辑和策略。它具有简单易用的语法和快速执行的特点，适用于实时响应和决策。

建议

选择合适的编程语言：根据项目需求选择最合适的编程语言，例如，对于高性能和实时性要求较高的部分，C++是理想选择；对于数据处理和机器学习任务，Python更为适用；对于算法开发和仿真，MATLAB具有优势；对于跨平台应用和构建复杂系统架构，Java更为合适。

多语言协同开发：在实际开发中，可以根据需要灵活使用多种编程语言，通过接口和集成的方式实现各个模块之间的协同工作，以提高开发效率和系统性能。