الطرق الحالية لتتبع الكائنات ثلاثية الأبعاد تتبع الهدف بناءً على مقارنة الخصائص بين نموذج الهدف والمنطقة المبحوث عنها. ومع ذلك، بسبب الإخفاء الشائع في المسح الليداري (LiDAR)، فإن إجراء مقارنات دقيقة للخصائص على الأشكال شديدة الندرة والغير كاملة ليس بالأمر البسيط. في هذا العمل، نستغل الصندوق الحددي الحقيقي المعطى في الإطار الأول كإشارة قوية لتعزيز وصف الخصائص للكائن المستهدف، مما يمكّن من إجراء مقارنات خصائص أكثر دقة بطريقة بسيطة وفعالة. بشكل خاص، نقترح أولاً BoxCloud، وهو تمثيل معلوماتي وقوي يستخدم علاقة النقطة بالصندوق لوصف الكائن. ثم نصمم وحدة تجميع خصائص فعالة تدرك الصندوق، والتي تستفيد من BoxCloud المذكور أعلاه لتحقيق مطابقة ودمج خصائص موثوقة. من خلال دمج المكونات العامة المقترحة في نموذج موجود يُدعى P2B، نقوم ببناء تتبع أفضل يدرك الصندوق (BAT). تؤكد التجارب أن BAT المقترحة لدينا تتفوق بشكل كبير على أفضل التقنيات السابقة بمقدار كبير في كل من مقاييس KITTI وNuScenes، حيث تحقق تحسينًا بنسبة 15.2% فيما يتعلق بالدقة بينما تعمل بنسبة ~20% أسرع.