当前的3D单目标跟踪方法主要基于目标模板与搜索区域之间的特征比较来跟踪目标。然而，由于LiDAR扫描中常见的遮挡问题，对严重稀疏和不完整的形状进行准确的特征比较并非易事。在本研究中，我们利用第一帧中提供的真实边界框作为强线索，以增强目标对象的特征描述，从而以一种简单而有效的方式实现更准确的特征比较。具体而言，我们首先提出了BoxCloud（点到框关系的一种信息丰富且鲁棒的表示方法），用于描绘对象。进一步地，我们设计了一个高效的边界框感知特征融合模块，该模块利用上述BoxCloud进行可靠的特征匹配和嵌入。我们将这些提出的通用组件集成到现有的P2B模型中，构建了一个优越的边界框感知跟踪器（BAT）。实验结果表明，我们提出的BAT在KITTI和NuScenes基准测试中大幅超越了先前的最先进方法，在精度方面提高了15.2%，同时运行速度提升了约20%。