El seguimiento de personas es una capacidad indispensable en casi cualquier aplicación robótica. Un caso relevante son las competiciones robóticas @home, donde los robots de servicio deben demostrar que poseen ciertas habilidades que les permiten interactuar con el entorno y las personas que lo ocupan; por ejemplo, recibir a las personas que llaman a la puerta y atenderlas de manera apropiada. Muchas de estas habilidades se basan en la capacidad de detectar y seguir a una persona. Es un problema desafiante, particularmente cuando se implementa utilizando sensores de baja definición, como los sensores de detección y medición láser (LIDAR), en entornos donde hay varias personas interactuando. Este trabajo describe una solución basada en un único sensor LIDAR para mantener una identificación continua de una persona en el tiempo y el espacio. El sistema descrito se basa en el paquete People Tracker, también conocido como PeTra, que utiliza una red neuronal convolucional para identificar las piernas de las personas en entornos complejos. Se ha incluido una nueva característica dentro del sistema para correlacionar a lo largo del tiempo las estimaciones de ubicación de las personas utilizando un filtro de Kalman. Para validar la solución, se han llevado a cabo un conjunto de experimentos en un entorno de prueba certificado por la Liga Robótica Europea.