本文提出了一种用于从单目和双目RGB图像中进行室外深度估计的新数据集。该数据集以行人的第一人称视角采集，具有高度的现实场景代表性。目前，最先进的方法普遍采用基于深度学习的技术，其性能已显著超越传统的计算机视觉方法。然而，这些方法通常需要大量高质量的真值数据作为训练依据。尽管已有多个可用于深度估计的数据集，但几乎均缺乏从第一人称视角出发的室外场景数据。本研究所提出的 dataset 在人类视角下提供了大量高清的彩色图像帧及其对应的深度图，具有丰富的场景多样性与真实的人类交互行为。实验结果表明，该数据集在数据变异性与实用性方面均展现出显著优势。