3D-Mehrzielverfolgung (MOT) erfasst stabile und umfassende Bewegungszustände von umliegenden Hindernissen, was für die roboterische Wahrnehmung entscheidend ist. Aktuelle 3D-Verfolger haben jedoch Probleme mit Genauigkeit und Latenzkonsistenz. In dieser Arbeit schlagen wir Fast-Poly vor, eine schnelle und effektive filterbasierte Methode für 3D-MOT. Aufbauend auf unserer früheren Arbeit Poly-MOT behebt Fast-Poly die rotationsbedingte Anisotropie von Objekten im 3D-Raum, verbessert die lokale Berechnungsdichte und nutzt Techniken der Parallelisierung, wodurch die Inferenzgeschwindigkeit und -Genauigkeit gesteigert werden. Fast-Poly wird ausgiebig auf zwei großen Verfolgungsbenchmarks getestet, wobei eine Python-Implementierung verwendet wird. Auf dem nuScenes-Datensatz erreicht Fast-Poly eine neue Spitzenleistung mit 75,8 % AMOTA unter allen Methoden und kann auf einem persönlichen CPU mit einer Geschwindigkeit von 34,2 FPS laufen. Auf dem Waymo-Datensatz zeigt Fast-Poly eine wettbewerbsfähige Genauigkeit von 63,6 % MOTA und beeindruckende Inferenzgeschwindigkeit (35,5 FPS). Der Quellcode ist öffentlich verfügbar unter https://github.com/lixiaoyu2000/FastPoly.