Les approches actuelles de suivi d'objets uniques en 3D effectuent le suivi de la cible en se basant sur une comparaison des caractéristiques entre le modèle de la cible et la zone de recherche. Cependant, en raison des occultations fréquentes dans les balayages LiDAR, il est non trivial d'effectuer des comparaisons de caractéristiques précises sur des formes sévèrement éparse et incomplète. Dans ce travail, nous exploitons la boîte englobante véridique fournie dans le premier cadre comme indice fort pour améliorer la description des caractéristiques de l'objet cible, permettant ainsi une comparaison de caractéristiques plus précise d'une manière simple mais efficace. Plus précisément, nous proposons tout d'abord BoxCloud, une représentation informative et robuste, pour décrire un objet à l'aide de la relation point-boîte. Nous concevons ensuite un module de fusion de caractéristiques sensible aux boîtes, qui utilise cette BoxCloud mentionnée précédemment pour une correspondance fiable et un plongement (embedding) des caractéristiques. En intégrant ces composants généraux proposés au modèle existant P2B, nous construisons un suiveur supérieur sensible aux boîtes (Box-Aware Tracker - BAT). Les expériences confirment que notre BAT proposé surpassent largement l'état de l'art précédent sur les benchmarks KITTI et NuScenes, réalisant une amélioration de 15,2 % en termes de précision tout en fonctionnant environ 20 % plus rapidement.